Что если бы вы могли, взглянув на морду коровы, узнать, есть ли у неё температура? Новый инструмент от Лаборатории искусственного интеллекта и компьютерного зрения Университета Арканзаса использует искусственный интеллект и тепловизионные камеры для оценки температуры тела крупного рогатого скота.
Система под названием CattleFever — это первый шаг к созданию автоматизированных инструментов, которые фермеры могли бы использовать для мониторинга здоровья своего стада. Статья с описанием этого инструмента опубликована в журнале Smart Agricultural Technology.
Тронг Тханг Фам, аспирант Университета Арканзасса, был главным исследователем этого проекта. Лабораторию AICV возглавляет Нган Ле, доцент кафедры электротехники и информатики, занимающийся исследованиями в области медицинской визуализации, компьютерного зрения и робототехники.
Сегодня температуру крупного рогатого скота измеряют ректально, что может вызывать стресс у животного. Система CattleFever может как улучшить благополучие животных, так и сократить трудозатраты на отслеживание состояния здоровья стада. Эта технология может помочь фермерам выявлять заболевания до появления симптомов, что приведет к более раннему лечению и предотвращению вспышек.
Для создания CattleFever ученым сначала потребовались данные. Существует ряд наборов данных для собак, кошек, лошадей и овец. Существующий набор данных о крупном рогатом скоте, называемый CattleEyeView, включает только фотографии животных, сделанные сверху, и был создан для отслеживания стад. Существующие наборы данных о животных также представляли собой в основном RGB-фотографии животных, а для CattleFever исследователям также потребовались тепловые изображения.
Ученым пришлось создать собственный набор данных, включающий короткие видеоролики и тепловые изображения тысяч телят. Каждого теленка помещали в загон, после чего записывали по 20 секунд видео и тепловых изображений. Температуру каждого животного также измеряли ректальным термометром для создания эталонных значений (эталонных данных). Данные по телятам были собраны в научно-исследовательском комплексе Савой сельскохозяйственной экспериментальной станции штата Арканзас.
RGB-фотографии телят, на которых четко видны черты морды животного, затем необходимо было сопоставить с тепловым изображением на компьютере. Исследователи отметили фотографии 13 ориентирами, такими как глаза, уши, рот и так далее.
Команда вручную разметила 600 кадров, которые затем были использованы для обучения инструмента искусственного интеллекта, который автоматически разметил оставшиеся 4000 кадров в наборе данных под названием CattleFace-RGBT. Полученный инструмент обнаружения ориентиров может автоматически локализовать морду теленка и идентифицировать ключевые черты в RGB- и тепловых режимах.
В ходе обширных испытаний ученые пришли к выводу, что температура глаз и ноздрей животного наиболее близка к показаниям ректального термометра. Используя лицевые ориентиры, компьютер сфокусировался на температуре тепловых изображений из этих точек.
Затем исследователи проанализировали данные с помощью различных методов машинного обучения, чтобы определить температуру тела животного по показаниям поверхности. Наиболее точные результаты были получены с помощью регрессии случайного леса — метода машинного обучения для прогнозирования результатов на основе сложных данных. В регрессии случайного леса создается множество деревьев решений, каждое из которых обучается на разной части данных. Затем все результаты этих деревьев решений усредняются, что помогает уменьшить шум.
Система CattleFever смогла автоматически определять температуру животного с точностью до одного градуса от показаний термометра.
Итак, ученые продемонстрировали, что температуру крупного рогатого скота можно точно определить по тепловому изображению, но все снимки были сделаны, когда животное было направлено прямо в камеру.
«Вероятно, нам нужно сделать больше фотографий животных в реальных условиях, например, во время их бега, чтобы запечатлеть их движения на местности», — сказал Фам.
Следующая задача — обработка изображений морд крупного рогатого скота, снятых с разных ракурсов и в естественных позах, по сути, обучение компьютера распознаванию и интерпретации морды коровы в реальных полевых условиях, а не только тогда, когда корова находится непосредственно перед камерой в загоне.
Ученые из Университета Арканзасса опубликовали свой набор данных CattleFace-RGBT, чтобы другие исследователи могли развить их работу и помочь в разработке системы, которую могли бы использовать фермеры. «Если мы находим что-то новое, мы делимся этим со всем миром. В этом и заключается суть», — сказал Фам.
Источник: University of Arkansas.