Linking video tracks and RFID identification to monitor individual broilers in group housing

方法

YOLOv7-tiny+SORT跟踪，HMM定位与贪心算法融合RFID数据。

发现

两步融合法在各天线配置下定位误差均低于直接匹配法。

机会点

可基于个体轨迹开展运动表型自动提取，并探索低成本天线布局下的多目标跟踪。

通过视频和RFID监测单个肉鸡的运动、交互和环境，使育种者能够识别其健康、福利和生产性能的新颖或指示性状，从而可能提高选择的有效性。然而，对群养中多只外观相似的肉鸡进行视频监测和识别是困难的。本研究开发并研究了一种数据融合方法，将视频跟踪与RFID识别相结合，以重建群养条件下个体肉鸡的轨迹。在肉鸡18日龄时，将39只佩戴RFID标签的肉鸡记录在一个配有30个地板下RFID天线和一台摄像机的栏舍中。跟踪通过YOLOv7-tiny模型和改良版SORT实现。轨迹通过直接方法或所开发的两步方法与RFID标签关联，后者包括通过隐马尔可夫模型（HMM）进行位置估计（结合或不结合额外视频信息），以及使用贪心算法进行轨迹重建。评估了四种天线配置：全网格（#30）、双线（#12）、交叉模式（#10）和双天线（#2）。在所有天线配置中，所开发方法均优于直接方法，与真实位置相比，平均位置误差更低且缺失位置更少[均值（标准差）]：分别为0.021（0.10）对0.48（0.54）、0.14（0.30）对0.71（0.61）、0.30（0.45）对0.69（0.50）和0.85（0.59）对1.03（0.60）m。所开发的传感器数据融合方法通过结合视频的空间精度和RFID的识别可靠性，为群养肉鸡提供个体轨迹，用于后续的运动表型分析（如行走距离、速度和加速度）。