Computers and Electronics in Agriculture·10月1日 · 周四论文智慧农业 / 农业物联网阅读 6
PhySinc-Net: A physics-informed interpretable deep learning architecture for non-contact respiratory rate monitoring in dairy goats
Wenxuan Lu · Rui Mao · Bohan Jiang 等 7 人
Computers and Electronics in AgricultureDOI 10.1016/j.compag.2026.112472
论文解读
78精选
速览
提出物理信息可解释深度学习架构PhySinc-Net，实现奶山羊非接触呼吸率监测。
方法
融合物理先验与深度学习的可解释网络，用于奶山羊呼吸信号分析。
发现
该架构可非接触准确监测奶山羊呼吸率，并具备物理可解释性。
机会点
可将物理信息可解释模型迁移至其他畜禽生理监测，解决数据稀缺与黑箱问题。
影响力16
信息增量21
专业深度18
信源权威14
时效性9
物理信息驱动的可解释深度学习用于奶山羊非接触呼吸率监测，方法新颖、发表于农业信息领域核心期刊，对智慧畜牧有参考价值。
原文摘要
PhySinc-Net：一种用于奶山羊非接触式呼吸频率监测的物理信息可解释深度学习架构。