Optimized Bio-Inspired Thermal Image Analysis for Mastitis Detection Using YOLOv8 Probabilistic Spiking Networks
Notice bibliographique
Résumé
One of the most common and financially detrimental conditions affecting dairy cows is mastitis, which is often identified by visual inspection or somatic cell count (SCC) testing, both of which are labor-intensive, subjective, and time-consuming. Existing deep learning (DL)-based approaches, including CLE-UNet, DCYOLO, FS-YOLOv4, and YOLOv7-SVM, have improved detection accuracy but still face challenges in capturing temporal dynamics, handling noisy thermal data, and optimizing model parameters effectively. To address these limitations, this work proposes a novel YOLOv8 integrated with Probabilistic Spiking Network and Secretary Bird Optimization (YOLOv8PSN-SBO) framework for automated mastitis detection using thermal imaging. The system begins with thermal video acquisition and manual annotation of key anatomical regions, followed by adaptive iterative guided filtering (AIGF) to enhance image clarity. Multi-scale feature extraction is achieved using a Cascading Residual Graph Convolutional Network (CRGCN), while YOLOv8 performs precise spatial localization of cow eyes, udders, and head postures. These spatial outputs are then temporally processed using a Probabilistic Spiking Neural Network (PSNN) that leverages biological spiking behavior to infer thermal anomalies. The Secretary Bird Optimization Algorithm (SBOA) is employed to fine-tune parameters such as confidence thresholds, anchor box sizes, loss weights, and spiking neuron dynamics for optimal performance. The proposed YOLOv8PSN-SBO model, implemented in PyTorch and validated on 1200 labeled thermal images, significantly outperforms baseline methods, achieving a detection accuracy of 91.75%, recall of 92.31%, F1-score of 91.55%, and an mAP@0.5 of 94.60%, with a real-time processing speed of 65 FPS, establishing it as a robust and efficient solution for automated mastitis detection in dairy farming.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».