综述：开放数据集与基于AI/GenAI的计算机视觉技术在精准畜牧业中的应用：一项双向综述

《Computers and Electronics in Agriculture》：Open Datasets and AI/GenAI-Driven Computer Vision for Precision Livestock Farming: A Bidirectional Review

　　

Alexey Ruchay|Vladimir Kolpakov|Hao Guo|Andrea Pezzuolo

摘要

精准畜牧业（PLF）的发展依赖于高质量的数据，然而对开放数据领域的系统理解仍然存在碎片化。本综述采用了双向视角，评估了开放数据集及其引用这些数据的研究人员，重点关注研究目标和实际应用。通过Scopus/Web of Science和数字存储库的双向搜索，发现了2010年至2025年间发布的315个开放数据集，涵盖了奶牛、肉牛、猪、家禽等物种。其中大部分数据集是在过去五年内发布的，这表明数据量出现了显著增长。同行评审的文献仍是主要的数据传播渠道（占63%，n=199），而独立存储库贡献了37%（n=116），反映了科学贡献向数据优先方向的转变。数据集的分布主要集中在牛类（n=131），其次是猪类（n=59）和家禽（n=43）。非人工智能计算机视觉依赖于利用动物图像的物理和光谱特性的确定性算法。在人工智能方法中，目标检测在畜牧业监测中占据主导地位，YOLO架构和基于区域的卷积神经网络处于领先地位。生成式人工智能——特别是基础模型（FM）和生成对抗网络（GANS）——通过自动化框架（如Accelerated Data Engine）缓解了标记数据的稀缺问题，取代了人工标注。这些资源正在发展成为大型语言模型（LLMs）和视觉-语言框架的核心，实现了群体推理和预测性诊断，标志着从被动监测向主动、生成式监测的转变。整合生物识别、健康和行为数据集有助于提高食品安全和动物福利。然而，数据集多样性和标准化方面的不足阻碍了研究的可重复性，因此需要从伦理角度推动数据可持续性和计算效率的提升。