Two Decades of Computer Vision in Precision Livestock Farming: an Umbrella Review of Applications, Benchmarking Evidence, and the Performance-to-Deployment Gap Across Cattle, Pig, and Poultry Systems
Alexey Ruchay · Vladimir Kolpakov · Hao Guo 等 4 人
伞式综述112篇综述，梳理牛猪禽精准养殖计算机视觉应用与部署差距。
伞式综述，多标签编码328项，AMSTAR 2与ROBIS评估方法学质量。
模型性能普遍高于农场部署证据，平均性能-部署差距0.63，验证与基准报告不足。
可研究外部验证、标准化基准与农场工作流集成，弥合性能到部署的鸿沟。
基于112篇综述的伞式综述，系统揭示计算机视觉在牛猪禽精准养殖中性能与落地之间的差距，方法学与证据分级扎实，对智慧畜牧研发与部署具有较高参考价值。
计算机视觉正成为精准畜牧养殖（PLF）中的核心技术，能够在个体和群体层面实现非接触式监测、表型分析和决策支持。本伞状综述综合了112篇综述的综述级证据，涵盖牛、猪和家禽养殖系统，涉及识别、表型分析、健康、行为、运动、体况、生长、繁殖、死亡率和资源利用等视觉应用。为在保留综述作为文献计量单元的同时捕捉多主题证据，采用多标签编码在六个PLF计算机视觉领域中生成了328个综述-领域分配。健康/应激和姿态/活动是综述覆盖最多的领域；然而，这些模式反映的是综述覆盖情况而非证据强度。基准报告平均得分为14项标准中的11.09项，对应79.2%，但验证关键条目，包括类别平衡、标注方案、验证集划分以及农场或场地报告，仍不够完整。方法学可信度有限：AMSTAR 2将95篇综述评为极低质量，17篇评为中等质量；ROBIS将78篇评为高偏倚风险，17篇评为不明确，17篇评为低偏倚风险。语料库层面的候选参考文献重叠估计值为0.122%，仅作为敏感性估计保留，而非正式的一手研究CCA或独立性证据。基于综述推导的性能与就绪度分级在328个分配中识别出平均描述性性能-部署差距为0.63。总体而言，所报告的性能持续超过已记录的农场部署证据，凸显了在支持常规部署声明之前，需要更强的外部验证、透明的基准测试、工作流程整合、经济评估和用户就绪度证据。