ساخت مدل‌های بینایی کامپیوتری در Edge Device برای دام‌داری بهینه – آلاوان

ساخت مدل‌های بینایی کامپیوتری در Edge Device برای دام‌داری بهینه

درخواست کن

فاروماتیکس (Faromatics) یک شرکت دامداری دقیق و خالق چیکن‌بوی (ChickenBoy)، اولین ربات معلق سقفی در جهان است که مرغ‌های گوشتی را کنترل و به کشاورزان کمک می‌کند تا هم رفاه حیوانات و هم بهره‌وری مزرعه را افزایش دهند. در این چالش دو ماهه، همکاران ما یک راه‌حل مبتنی بر یادگیری ماشین ساختند که قادر است مرغ را از طریق فیلم‌های دوربین تشخیص دهد. این پروژه به تجارب یادگیری ماشین و بینایی کامپیوتر نیاز داشت. تیمی متشکل از ۵۰ متحول‌کننده فناوری از سطوح تجربه و زمینه‌های کاری مختلف در این چالش کار کردند.

 

 

این پروژه به تجارب یادگیری ماشین و بینایی کامپیوتر نیاز داشت. تیمی متشکل از 50 متحول‌کننده فناوری از سطوح تجربه و زمینه های کاری مختلف در این چالش کار کردند.

 

مسئله

امروزه صنعت تولید دام برای زندگی حیوانات بسیار چالش‌برانگیز است. گله‌های بزرگ‌تر (به دلیل حاشیه کم برای کشاورزان و تلاش برای استفاده هرچه کمتر از نهاده‌ها برای تولید پایدارتر) به معنی توجه کمتر، بیماری بیشتر و چالش‌های رفاهی بیشتر است. راه حل این است که به کشاورزان در نظارت خودکار بر حیوانات کمک کنیم. با نظارت مداوم بر حیوانات، قادر به شناسایی نیازهای آن‌ها هستیم. تأمین این نیازها به کشاورزان کمک می‌کند تا سلامت و رفاه حیوانات خود را بهبود بخشند و از توان رقابتی بیشتری برخوردار شوند.

ما سالانه ۶۰ میلیارد مرغ برای مصرف گوشت پرورش می‌دهیم. از این تعداد، ۳ میلیارد قطعه موفق به ورود به فرآیند تولید نمی‌شوند و ۱.۶ میلیارد در کشتارگاه به دلیل بیماری‌ها، خراش‌ها، کوفتگی‌ها و سایر علائم عدم سلامتی رد می‌شوند. این مسئله تفاوت زیادی برای حیوانات ایجاد می‌کند. این نکته را هم اضافه کنید که اگر مدیریت مصرف و رژیم غذایی بهتری داشته باشیم می‌توانیم هر ساله ۳ میلیون تن در مصرف خوراک صرفه‌جویی کنیم و بدیهی است که این امکان وجود دارد که محصولات طیور را سالم ارائه دهیم و برای کسانی که مایل به مصرف گوشت هستند آسودگی خاطر به ارمغان آوریم.

با استفاده از ربات چیکن‌بوی، ما در حال رسیدن به این هدف هستیم، اما به پیشرفت بیشتری نیاز داریم تا بتوانیم توانایی‌های خود را برای تشخیص ناهنجاری در رفتار مرغ افزایش دهیم.

 

 

راه حل

هدف این بود که یک شناسایی کننده مرغ تکی را بر اساس یادگیری ماشین (مانند YOLO ، R-CNN) پیاده سازی کنیم و سپس ردیابی تکی حرکت هر مرغ را به صورت فریم به فریم انجام دهیم.

این مدل بر روی سخت افزار ربات Faromatics کار می کند که با دوربین 800 × 600 RGB و Raspberry Pi 4 با Google Coral Edge-TPU کار می کند. الگوریتم توسعه یافته باید در زمان واقعی (با حداقل 5 FPS) کار کند.

Faromatics چندین فیلم ضبط شده با دوربین را تهیه کرد. تیم پروژه موارد زیر را ارائه دادند:

  • کد موجود در پایتون (تشخیص‌دهنده مرغ + ردیابی مرغ)
  • پارامترهای آموخته شده توسط الگوریتم
  • پایگاه داده تصاویر با برچسب هایی که مدل با آن آموزش داده شده است

برای اطمینان از کیفیت الگوریتم ها ، از معیارهای زیر برای الگوریتم ردیاب مرغ استفاده شده است:

  • تقاطع اتحادها(IoU): شباهت بین جعبه محدود کننده واقعی زمین و جعبه پیش بینی شده را کمّی می کند.
  • فراخوانی: که احتمال تشخیص صحیح اشیا واقعی زمین را اندازه گیری می کند.
  • دقت: احتمال مطابقت جعبه های محدود پیش بینی شده با جعبه های واقعی زمین.

حداقل عملکرد مورد انتظار برای مدل منتشر شده برای IoU و فراخوانی 0.75 و برای دقت 0.9 است. این مورد در یک مجموعه آزمایشی از تصاویر مستقل از مجموعه آموزش ارزیابی می شود.

برای ارزیابی قسمت ردیابی، از معیار زیر استفاده کردیم:

  • ردیابی دقیق چند اشیائه: میانگین عدم شباهت (بر حسب پیکسل) بین همه مقادیر صحیح مثبت و اهداف واقعی زمینی مربوط به آنها. این مقدار باید کمتر از 5٪ پیکسل های مورب تصویر باشد. امتیاز در یک مجموعه آزمایشی از تصاویر مستقل از تصویر آموزشی مورد ارزیابی قرار می گیرد.

عکس یک نمونه تصویر است که با یکی از دوربین ها ثبت شده است.

 

 

چرا آلاوان؟ به‌خاطر حل چالش‌های این‌چنین منحصربه‌فرد با کمک هوش مصنوعی

این جنس از همکاری را هرگز در زندگی کاری خود تجربه نکرده‌اید. با ثبت یک چالش، طی ۸ هفته بعدی آن، شما با مهندسین و اساتید هوش مصنوعی کار خواهید کرد تا نه تنها راه‌حل هوشمندی برای اثرگذاری در مسئله خود بسازید، بلکه چرخه حیات پروژه علوم داده را نیز طی کنید. این مهم شامل محدوده‌سنجی، جمع‌آوری داده‌ها و آماده‌سازی مسائل و همچنین مدل‌سازی برای استقرار است.

بهترین قسمت این است که شما به یک تیم بزرگ از اساتید و خبره‌های هوش مصنوعی خواهید پیوست. چالش‌های هوش مصنوعی یک مسابقه یا ماراتن برنامه‌نویسی نیستند، بلکه یک پروژه در دنیای واقعی هستند که تجربه شما از آنچه ممکن است از طریق همکاری باشد را به سطح جدیدی می‌رساند.