Miről diskurálnak a malacok, amikor egy ember sincs a láthatáron?

A mesterséges intelligencia gondolatáról gyorsan az önvezető autók és a robotok jutnak eszünkbe. A mesterséges intelligencia azonban sokkal többről szól, mint amire elsőre gondolnánk.

Például: a megfigyelő kamerák használata a gazdaságban. Nem új koncepció, de mi lenne, ha ezek a kamerák mesterséges intelligencia, mélytanulási algoritmusok és képfelismerés segítségével felismernék az állatok által mutatott döntő fontosságú viselkedési formákat, mint például az evés, ivás, egyedi mozgások és agresszív tevékenységek? Vajon ez meggyőzné a termelőket, hogy kamerákat helyezzenek el az istállójukban?

Miért fontos tudni, mit csinálnak az állatok, amikor az ember nincs a közelben? Kiderült, hogy óriási előnyökkel jár, ha az istállóban megfelelő kamerákat helyeznek el az összes sertés megfigyelésére.

A Világbank-csoporthoz tartozó IFC azt tapasztalta, hogy a vizuális technológiák – például a képfelismerés, a kamerák, a robotika és más eszközök – alkalmazása révén a jelentős felhasználás és beruházás mélyreható hatást gyakorolt a mezőgazdasági ágazatra. A mélytanulási technológiák kihasználása a több objektum követésére és szegmentálására valóban egy nem invazív módja az autonóm állatállomány-felügyelet beépítésének, és gyorsan egyre népszerűbbé válik a gazdaságokban. Ez a 21. századi megközelítés lehetővé teszi a sertéstenyésztők számára, hogy a műveletek optimalizálására összpontosítsanak, és kevésbé a sertésekre és a karámjukra.

Látni annyi, mint tudni

Amikor a gazdálkodás Mezopotámiában kezdődött, az emberek a szemükre hagyatkoztak, hogy szorosan figyelemmel kísérjék az állatokat, hogy észrevegyék a betegség bármilyen jelét. Ma a gazdák ugyanezt a megoldást alkalmazzák. Többnyire szubjektív és véletlenszerű módszerekre támaszkodva, ilyenek például az időszakos fizikai ellenőrzések. Sajnos csak arra van idejük, hogy naponta 1 másodpercet töltsenek minden egyes állattal.

Az agresszív események többsége akkor történik, amikor az ember nincs jelen. Ezért van szükségük a gazdáknak olyan megoldásra, amely szemmel tartja az állományt, és hatékonyan, korai szakaszban megoldja a problémákat

A csoporton belüli szociális konfliktusok megoldása

Ez néhány a sertéstenyésztés középpontjában álló kihívások közül. A sertéstartó gazdaságok száma, amelyeknek a munkaerőhiányt, a jövedelmezőséget, a takarmányköltségeket és az állomány egészségét kell kezelniük, folyamatosan növekszik. Soha nem volt még jobb alkalom arra, hogy technológiai váltást hajtsunk végre az ipar és az élelmiszer-biztonság méretarányos támogatása érdekében.

Ezek a kamerák, a számítógépes látás és a mesterséges intelligencia alapú technológiák képesek a sertések fizikai aktivitásának, táplálkozási szokásainak és általános agresszivitásának megfigyelésére, így a gazdák mindent tudnak az állományuk jólétéről. Ezek a minták lehetővé teszik a betegségek korábbi és könnyebb azonosítását, ami alacsonyabb antibiotikum-felhasználáshoz vezet.

A sertések csodálatosan társas állatok, de viselkedésük – nemcsak a természetben, hanem a csoportházi környezetben is – hierarchián alapul. Az agresszió a viselkedési repertoárnak az a része, amelyet a sertések a hierarchia meghatározására és a csoporton belüli szociális konfliktusok megoldására használnak. Ha a sertéseket a termelés különböző szakaszaiban új szociális csoportokba helyezik át, az agresszió gyakrabban jelenik meg, mivel minden új csoportban új hierarchiát kell meghatározniuk.

A csoportosan tartott kocák esetében az agressziót gyakran állatjóléti problémának tekintik. Az agresszív események során az állatok gyakran megharapják egymást. Ez idővel sérüléseket és stresszt okoz nekik. Az agresszív események többsége akkor történik, amikor az ember nincs jelen. Ezért van szüksége a gazdáknak olyan megoldásra, amely szemmel tartja a csordát, és már korai szakaszban hatékonyan megoldja a problémákat. Ez a megoldás nagyfelbontású kamerás látásmódot kínál, amely a nap 24 órájában képes megfigyelni az állatállomány minden egyedét.

Ez a technológia minden korosztályra skálázható. Amikor egy mesterséges intelligenciával támogatott algoritmus elkezdi elemezni a kameraképeket, a gazdálkodó valós idejű információkat kap a karámban zajló agresszív eseményekről és az eseményben érintett sertésekről szóló összes releváns információról. Ezek a kulcsfontosságú adatok lehetővé teszik a gazdák számára, hogy időben beavatkozzanak, és segítsenek a sertéseken, mielőtt azok látható sérüléseket szenvednének.

A hagyomány és a modernitás keveredése

A folyamat a legtöbb modern gazdaságban rendelkezésre álló szabványos videokamerák használatával kezdődik az állatállomány megfigyelésére. De vigyázat! A legtöbb számítógépes látó algoritmus rosszul teljesít ennél a feladatnál. Ennek az az oka, hogy:

– a gazdaságokban tenyésztett állatok egyformán néznek ki, és nincs nyilvánvaló térbeli jellegzetességük;

– a meglévő nyomkövető programok egyike sem robusztus hosszú időn keresztül; és

– a valós körülmények, például a változó megvilágítás, a gyakori elfedés, a változó kameraszögek és az állatok változó mérete megnehezítik a modellek általánosítását.

Ezért a sertéstenyésztőknek speciális kamerára van szükségük ahhoz, hogy a szükséges eredményeket elérjék. A Serket holland szoftvercég olyan kamerákkal kombinált mesterségesintelligencia- és szoftvermegoldásokat fejlesztett ki, amelyek ideálisak az ilyen kihívásokra. A Serket például rendelkezik egy végponttól végpontig tartó viselkedésmegfigyelő rendszerrel a csoportosan tartott sertések számára. Egyidejűleg végezve példányszintű szegmentálási, követési, cselekvésfelismerési és újraazonosítási feladatokat.

Ez az egyik első olyan végponttól végpontig tartó, több objektumot tartalmazó állattartás-felügyeleti keretrendszer, amely a csoportosan tartott sertések számára tanul példányszintű beágyazásokat.

Zavaros eseteket teremtenek a hasonló kinézetű sertések

Míg az olyan általános feladatok, mint az egyszerű felismerés és az objektumkövetés, jól alkalmazhatók előre betanított hálózatokkal és meglévő adathalmazokkal, az állatállomány videón keresztüli megfigyelése egyedi kihívásokat rejt magában.

A zárt mezőgazdasági környezetben történő sertésmegfigyelés a hasonló kinézetű sertések között zavaros eseteket teremt a számítógépes látásmodellezés számára. A sertés agresszív viselkedése hirtelen mozgásokat és gyakori elfedéseket okoz, és a sertések egymáson kuporognak. Ezek a problémák ritkán fordulnak elő a hagyományos videós adathalmazokban.

Az állattartás tevékenységei is korlátozottak, ismétlődőek és ciklikusan ismétlődnek az időben, ami eltér a hagyományos cselekvési adathalmazoktól. A fent vázolt problémák kezelésére alkalmas, robusztus modellek létrehozásához testreszabott adatkészleteket és kísérő megoldásokat kell beszerezni. Minden ilyen adatkészletnek meg kell ragadnia a körülmények változékonyságát, és az állatállomány viselkedését szakértő állattudósok felügyelete mellett kell megjegyezni.