Китайские ученые создают умную цифровую систему для оценки качества жвачки у коров, которая основана на видеонаблюдении.
В чем актуальность работы, команда исследователей из нескольких научных организаций КНР (Пекинская академия сельскохозяйственных и лесных наук, Национальный центр инженерных исследований информационных технологий в сельском хозяйстве, Хэнаньский университет науки и технологий, Пекинский сельскохозяйственный университет) поясняет в своей статье, опубликованной в журнале Sustainability 2023 на портале MDPI: «Процесс срыгивания непереваренной пищи из пищевода в рот, ее повторного пережевывания и последующего глотания известен как руминация или жвачка. Руминация в основном встречается у некоторых травоядных животных класса парнокопытных, таких как крупный рогатый скот и верблюды.
Жвачное поведение молочных коров тесно связано с их продуктивностью и репродуктивными характеристиками. Например, в исследованиях выявлена положительная корреляция между временем пережевывания пищи и надоем молока (коэффициент корреляции = 0,30). Также отмечено, что у коров с заболеванием копыт значительно сокращается время жевания: руминация хромых коров (18,41 ± 3,34 мин) была значительно снижена по сравнению с таковой у здоровых коров (28,57 ± 3,06 мин).
Следовательно, мониторинг индивидуального жевательного поведения молочных коров может предоставить своевременную информацию о состоянии их здоровья, способствовать раннему выявлению заболеваний, влияющих на производство молока и воспроизводство.
Визуальные характеристики руминационного поведения включают в себя последовательность срыгивания, жевания и глотания, для завершения которой требуется примерно 70 секунд, причем на одно событие руминации приходится 50–60 секунд.
Таким образом, частота жевания служит наиболее заметным показателем руминационного поведения, а снижение частоты жевания указывает на ненормальные процессы.
С развитием современного точного животноводства появились интеллектуальные устройства мониторинга руминации. Так, носимое устройство мониторинга жевательного поведения коровы, основанное на восприятии информации из нескольких источников, и система мониторинга характеристик поведения коровы могут идентифицировать данные о состоянии животного путем алгоритмического анализа.
В большинстве существующих интеллектуальных систем мониторинга жевательного поведения применяются носимые устройства, которые отслеживают ускорение жевания коровы, звуковые сигналы и информацию об поведении. Эта технология обладает высокой точностью в режиме реального времени, но носимые устройства вызывают беспокойство у коров, влекут за собой затраты на покупку оборудования.
Популяризация и применение камер наблюдения в молочном животноводстве заложили основу для анализа индивидуального поведения коров с помощью технологии видеоанализа посредством камер и определения состояния животных по изображениям с помощью таких методов, как глубокое обучение, анализ облаков точек и видеоанализ. Эти устройства сбора изображений предоставляют более полные и подробные данные по сравнению с отдельными устройствами сбора информации, такими как носимые акселерометры, датчики температуры и датчики звука. Более того, они обладают такими преимуществами, как бесконтактность, экономичность и низкий уровень стресса.
С точки зрения мониторинга поведения жвачных животных, с ростом внедрения технологий машинного зрения в сельском хозяйстве, методы мониторинга жевательного поведения коров на основе видеоизображений становятся новой тенденцией для будущего развития.
Однако исследования по мониторингу руминации на основе технологии машинного зрения по-прежнему сталкиваются со следующими проблемами:
(1) Точное обнаружение области рта коровы. Область рта коровы маленькая и неровная, а существующие методы обнаружения области объекта в первую очередь предназначены для объектов с более четкими характеристиками, что затрудняет эффективное обнаружение области рта коровы.
(2) Хотя метод мониторинга руминационного поведения, основанный на видеоанализе, дает хорошие результаты, он обладает высокой светочувствительностью и не подходит для среды с большими изменениями света и тени.
(3) Мониторинг поведения коров в размышлениях в сценариях с несколькими объектами. Условия на ферме сложны, и коровы обычно живут стадами, что требует одновременного наблюдения за несколькими коровами. Однако большинство существующих методов мониторинга жвачки ориентированы на одиночных коров.
Чтобы решить эти проблемы, связанные с неточным извлечением мелкомасштабной информации, существует алгоритм оптического потока для получения информации об оптическом потоке области рта коровы в последовательных кадрах по результатам обнаружения объектов. Впоследствии нижняя половина оптического потока в области рта коровы извлекается для расчета перпендикулярности каждого пикселя. Извлекая значения величины скорости в вертикальном направлении из нижней половины области рта коровы, можно уменьшить помехи, вызванные движением головы коровы, помимо движения рта.
В период с сентября 2021 года по февраль 2023 года видеоданные, фиксирующие руминационное поведение голштинских коров, были собраны в двух местах: на базе молочной фермы Дади Цюньшэн в Яньцине и на пекинской ферме Фурнонг, Центр молочного животноводства Синму в Пекине.
В этом исследовании впервые был использован улучшенный алгоритм обнаружения целей Faster R-CNN. Для этого набор данных помечается как областью головы коровы, так и областью рта. Сеть ResNet-50-FPN используется для извлечения особенностей рта коровы, а механизм внимания CBAM включен для дальнейшего повышения точности обнаружения алгоритма.
Чтобы удовлетворить потребности съемки в высоком разрешении, промышленные камеры с разрешением HD1080 (размер камеры 105,0 × 60,9 × 41,4 мм) были расположены под углом от 45 ° до 90 ° относительно боковой части головы коровы и помещены на расстояние примерно 0,5–1 м от целевой коровы. Камера разместили на высоте 1, 5 м от земли, поскольку эта высота соответствует высоте рта стоящей коровы, когда она жует, что позволяет лучше уловить жевательные движения.
Причина, по которой расстояние между камерой и целевой коровой составляет 0,5–1 м, заключается в том, что точность распознавания области рта коровы будет низкой, если расстояние слишком далеко или близко. Учитывая непрерывность видео, установлена продолжительность каждого видео 1–2 минуты и диапазон кадров от 1800 до 3600. Как вид сбоку, так и вид спереди объектива могут точно фиксировать информацию о движении рта целевой коровы.
Впоследствии результаты обнаружения объектов объединяются с информацией об оптическом потоке для исключения ложных обнаружений. Наконец, применяется интерполяционный подход для разработки дополнительного алгоритма кадра, который корректирует кадр обнаружения области рта коровы. Этот алгоритм интерполяции используется для исправления рамки обнаружения области рта коровы, решая проблему пропущенных обнаружений и повышая точность обнаружения области рта.
Чтобы уменьшить помехи от других движений головы, метод кластеризации MeanShift применяется для вычисления значений величины скорости каждого пикселя в вертикальном направлении в пределах перехваченной области рта жвачных животных. Кроме того, рассчитывается среднеквадратическая разность с использованием концепции интерквартиля диапазона, чтобы исключить выбросы на кривой оптического потока.
Наконец, применяется окончательный фильтр, соответствующий кривой оптического потока движения рта коровы, и он способен идентифицировать руминационное и рассчитывать время жевания.
Эффективность, надежность и точность предлагаемого метода оценивались посредством экспериментов с использованием девяти видеороликов, где запечатлено жевательное поведение коров в различных условиях.
Экспериментальные результаты показывают, что улучшенный алгоритм Faster R-CNN достиг точности 84,70% при обнаружении области рта жвачных животных, что представляет собой улучшение на 11,80 процентных пункта. Кроме того, улучшенный алгоритм GMFlowNet точно определяет поведение жвачных животных всех многоцелевых коров с точностью 97,30% при подсчете количества случаев руминации.
Это исследование имеет решающее значение для разработки бесконтактной интеллектуальной системы отслеживания и оценки руминации для группы коров».
По статье группы авторов (Жунхуа Гао, Цихан Лю, Цифэн Ли,Цзянтао Цзи, Цян Бай, Кайсюань Чжао, Люйи Ян), опубликованной на портале www.mdpi.com. Заглавное изображение принадлежит группе указанных авторов.
Интересна тема? Подпишитесь на наши новости в ДЗЕН | Канал в Telegram | Группа Вконтакте | Дзен.новости.
