《BMC Veterinary Research》：Non-contact detection of post-regurgitation deep inhalation in calves using infrared thermography and deep learning-based nostril segmentation
编辑推荐：
连续监测反刍对评估牛健康和福利至关重要。本研究提出非接触式检测方法，利用红外热成像和深度学习鼻孔分割技术，分析反刍后深吸气（PRDI）的呼吸模式特征。通过8头小牛28次成像数据，发现PRDI吸气谷深度与非反刍吸入（NRI）存在显著差异（p<0.001），AUC达0.76。虽受样本量限制但验证了非接触检测PRDI的可行性。
摘要
连续监测反刍行为对于评估牛的健康和福利状况具有很高的参考价值。传统的反刍检测方法，如压力传感器、加速度计和声学传感器，需要直接安装在动物身上，这不仅成本高昂，还会给动物带来压力。本研究提出了一种非接触式方法，利用红外热成像技术和基于深度学习的鼻孔分割技术来表征犊牛反刍后的深吸气（PRDI）现象。在28次成像过程中，从8头犊牛身上收集了同步的RGB图像和温度数据，并在拍摄过程中通过视觉观察确认了它们的反刍行为。深度学习算法被用来自动分割每个RGB帧中的鼻孔区域，从而可以从分割出的区域中提取温度数据以分析呼吸模式。通过观察视频录像，可以标注出反刍发生的具体时间。通过分析呼吸模式，将PRDI与其他与反刍无关的吸气事件（非反刍性吸气，NRI）区分开来，特别关注反刍后立即出现的较深吸气波谷。统计分析表明，PRDI事件的吸气波谷明显比NRI更深（p < 0.001）。研究确定了一个最佳阈值，能够准确区分PRDI和NRI，其准确率和G均值达到了0.72，接收者操作特征曲线（AUC）的值为0.76。由于记录时间较短且样本量有限，本研究仍属于初步阶段，这些因素在一定程度上限制了结果的稳健性和普遍适用性。尽管如此，研究结果清楚地证明了可以使用完全非接触式的手段检测反刍后的呼吸特征。
连续监测反刍行为对于评估牛的健康和福利状况具有很高的参考价值。传统的反刍检测方法，如压力传感器、加速度计和声学传感器，需要直接安装在动物身上，这不仅成本高昂，还会给动物带来压力。本研究提出了一种非接触式方法，利用红外热成像技术和基于深度学习的鼻孔分割技术来表征犊牛反刍后的深吸气（PRDI）现象。在28次成像过程中，从8头犊牛身上收集了同步的RGB图像和温度数据，并在拍摄过程中通过视觉观察确认了它们的反刍行为。深度学习算法被用来自动分割每个RGB帧中的鼻孔区域，从而可以从分割出的区域中提取温度数据以分析呼吸模式。通过观察视频录像，可以标注出反刍发生的具体时间。通过分析呼吸模式，将PRDI与其他与反刍无关的吸气事件（非反刍性吸气，NRI）区分开来，特别关注反刍后立即出现的较深吸气波谷。统计分析表明，PRDI事件的吸气波谷明显比NRI更深（p < 0.001）。研究确定了一个最佳阈值，能够准确区分PRDI和NRI，其准确率和G均值达到了0.72，接收者操作特征曲线（AUC）的值为0.76。由于记录时间较短且样本量有限，本研究仍属于初步阶段，这些因素在一定程度上限制了结果的稳健性和普遍适用性。尽管如此，研究结果清楚地证明了可以使用完全非接触式的手段检测反刍后的呼吸特征。
