Poznaj krowę po sierści
Informatycy z Uniwersytetu w Groningen opracowali sposób, aby za pomocą sztucznej inteligencji rozpoznawać krowy rasy holsztyńskiej w hali udojowej na podstawie wzoru ich sierści. Celem tych eksperymentów w dłuższej perspektywie jest opracowanie systemu, który będzie w stanie monitorować zwierzęta tej w sposób ciągły i w dowolnym miejscu w gospodarstwie.
Tekst: Mateusz Uciński na podstawie ScienceDaily
Żeby jeszcze bardziej usprawnić hodowlę zwierząt i zarządzanie inwentarzem żywym, istnieje pilna potrzeba ciągłego gromadzenia danych fenotypowych od poszczególnych zwierząt. George Azzopardi, informatyk z Uniwersytetu w Groningen, kieruje zespołem, który opracował metodologię rozpoznawania krów rasy holsztyńskiej w stacji udojowej na podstawie wzoru ich sierści przy użyciu sztucznej inteligencji. Wyniki tych działań zostały opublikowane w czasopiśmie Expert Systems with Applications 12 grudnia.
Azzopardi, pełniący funkcję adiunkta w grupie badawczej ds. systemów informatycznych w Instytucie Matematyki, Informatyki i Sztucznej Inteligencji Bernoulliego na Uniwersytecie w Groningen w Holandii, przez kilka lat pracował nad projektem mającym na celu poprawę zarządzania zwierzętami hodowlanymi poprzez opracowanie nowatorskich inteligentnych narzędzi systemowych. Jednym z pomysłów, który pojawił się podczas dyskusji podczas projektu, była potrzeba opracowania metody, która mogłaby identyfikować poszczególne zwierzęta na podstawie ich wyglądu, a nie na podstawie noszonych przez nie czujników, czy transponderów.
Naukowiec, opowiadając o swoich badaniach podkreślał, że obecne systemy opierają się głównie na obrożach RFID do identyfikacji krów w określonych stanowiskach w gospodarstwie, a zarządzanie takim sprzętem i jego ograniczonym zasięgiem odczytu stanowi wyzwanie. Dlatego Azzopardi chciał zbadać potencjał innego podejścia do tego tematu, które jest nieinwazyjne i całkowicie opiera się na informacjach wizualnych uchwyconych przez kamerę. Pomysł ten został zrealizowany we współpracy z holenderskim kampusem mleczarskim w Leeuwarden, który umożliwił naukowcom dostęp do ich gospodarstwa z 383 krowami rasy holsztyńskiej. Umożliwiło to pozyskiwanie niezbędnych danych w sposób systematyczny. Do zbierania obrazów wykorzystano kamerę termowizyjną, która mogła wykonać parę zdjęć w jednym ujęciu; obraz w podczerwieni, który wskazuje temperaturę w miejscu zdarzenia oraz obraz w kolorze regularnym.
Pierwszym krokiem w analizie było odróżnienie krowy od otoczenia. Uzyskuje się to dzięki obrazowi termicznemu w połączeniu z podstawowymi technikami przetwarzania obrazu, które zapewniają kontur krowy. Drugim krokiem było nakreślenie konturu wzoru sierści na boku krowy. Na tym etapie naukowcy zaadaptowali inspirowany mózgiem algorytm CORF z komponentem hamującym push-pull, który Azzopardi opracował wraz z innymi współpracownikami w poprzednich latach. Algorytm CORF jest niezawodny w wykrywaniu konturów w zaszumionych obszarach i okazał się bardzo ważny w osiąganiu bardzo wysokich wskaźników rozpoznawania.
Naukowcy, za pomocą systematycznych eksperymentów wykazali, że zaproponowane przez nich podejście osiągnęło wskaźnik rozpoznawania 99,7%. Jedynymi krowami, które nie zostały rozpoznane, były krowy holsztyńskie, które miały jednolitą czarną lub białą sierść. Uczeni spekulują, że takiemu wyzwaniu można by sprostać, dołączając inne kamery, które mogą rejestrować różne widoki krowy (np. pysk, góra i tył), a następnie opracować metodę fuzji, która uwzględnia dane ze wszystkich widoków. System z taką konfiguracją wielokamerową może być również skuteczny w rozpoznawaniu trudnych przypadków.
George Azzopardi wyjaśnia, że stosowanie obrazowania zamiast znaczników RFID lub obroży do identyfikacji krów ma kilka zalet. Po pierwsze, jest nieinwazyjne, a zatem korzystniejszy dla dobrostanu zwierząt. Po drugie, jest tańszy, ponieważ rolnicy nie muszą kupować i zarządzać obrożami czy metkami. I po trzecie, jest skalowalny funkcjonalnie i finansowo: jeśli liczba bydła w gospodarstwie wzrasta, nie ma potrzeby stosowania dodatkowych obroży. Potrzebne jest tylko kilka zdjęć nowych krów, które zostaną użyte do aktualizacji parametrów odpowiedniego modelu klasyfikacji.
