| 報告時間：2023-11-21 |
| 報告地點：大四教室 |
| 指導老師：江信毅 |
| 學生：游彩翎 |
| 摘要 |
|
在商業酪農場中，現代的乳牛養殖非常注重每頭乳牛的生產力。了解每頭乳牛的個別飼料消耗對於農業開支至關重要。然而，牛隻的個體飼料攝取量卻是無法獲得的數據。因此，本篇研究設計了一個電腦視覺分析系統，採用卷積神經網絡（Convolutional neural network , CNN）和低成本RGB-D（紅色、綠色、藍色、深度）相機估算牛隻的個體飼料攝取量。本實驗於開放式牛舍進行，牛隻在被餵養全混合日糧（TMR）情況下，收集了為期七天不同供應量的採食量數據。在36小時內，使用乳牛進食的圖像作為乳牛識別的測試數據。該系統能夠準確識別93.65％的乳牛。攝取的飼料量，範圍為每餐0到8 kg，測得的平均絕對值誤差（MAE）和均方誤差（MSE）分別為0.127 kg和0.034 kg2。結果顯示，數據的量和多樣性對模型訓練至關重要。使用高多樣性數據訓練的模型比使用同質性數據訓練的模型表現更好（僅在陰影條件下訓練的模型MAE為1.025 kg，MSE為2.845 kg 2）。此外，訓練結果顯示，RGB-D數據的模型比不帶RGB的圖像深度數據的模型表現更好（MAE為0.241 kg，MSE為0.106 kg 2）。這些結果顯示，低成本相機在商業乳牛場中可能具有測量個體餵食攝取的潛力。 |
| 參考文獻 |
|