0
Precyzyjna hodowla zwierząt ma na celu indywidualne i automatyczne monitorowanie aktywności zwierząt w celu zapewnienia ich zdrowia, dobrego samopoczucia i produktywności. Wideowizja stała się obiecującym narzędziem do tego celu. Jednak dokładne śledzenie osobników za pomocą obrazowania pozostaje wyzwaniem, zwłaszcza w pomieszczeniach grupowych, w których zwierzęta mogą mieć podobny wygląd. Bliskie interakcje lub stłoczenie zwierząt może prowadzić do utraty lub zamiany identyfikatorów zwierząt, co pogarsza dokładność śledzenia.
Cel: Aby sprostać temu wyzwaniu, wdrożyliśmy strukturę łączącą metodę śledzenia przez wykrywanie z systemem identyfikacji radiowej (RFID).
Metody: Przetestowaliśmy to na przykładzie dwunastu świń w jednym kojcu. Trzy świnie miały charakterystyczne naturalne oznaczenia sierści, umożliwiające ich wizualną identyfikację w grupie. Pozostałe świnie albo miały podobne wzory kolorów sierści, albo były całkowicie białe, co czyniło je wizualnie nie do odróżnienia od siebie. Zastosowaliśmy najnowszą wersję algorytmów You Only Look Once (YOLOv8) i BoT-SORT odpowiednio do wykrywania i śledzenia. YOLOv8 został dostrojony za pomocą zestawu danych zawierającego 3600 obrazów w celu wykrycia i sklasyfikowania różnych klas świń, osiągając średnią dokładność wszystkich klas na poziomie 99%. Dostrojony model YOLOv8 i tracker BoT-SORT zostały następnie zastosowane do 166,7-minutowego wideo zawierającego 100 018 klatek.
Wyniki: Wyniki wykazały, że świnie z rozróżnialnymi oznaczeniami koloru sierści można było śledzić średnio w 91% przypadków. W przypadku świń o podobnym kolorze sierści, system RFID został wykorzystany do identyfikacji poszczególnych zwierząt, gdy weszły do stacji żywienia, a ta identyfikacja RFID została powiązana z trajektorią obrazu każdej świni, zarówno do tyłu, jak i do przodu. Dwie świnie z podobnymi oznaczeniami można było śledzić średnio przez 48,6 minuty, podczas gdy siedem białych świń można było śledzić średnio przez 59,1 minuty. We wszystkich przypadkach czas śledzenia przypisany do każdej świni odpowiadał prawdzie w 90% lub więcej przypadków.
Wniosek: W ten sposób zaproponowane przez nas ramy umożliwiły niezawodne śledzenie świń trzymanych w grupach przez dłuższy czas, oferując obiecującą alternatywę dla niezależnego stosowania samych metod obrazowania lub RFID. Podejście to stanowi znaczący krok naprzód w łączeniu wielu urządzeń do identyfikacji, śledzenia i identyfikowalności zwierząt, zwłaszcza gdy jednorodne zwierzęta są trzymane w grupach.
Mora M, Piles M, David I, Rosa GJM. Integrating computer vision algorithms and RFID system for identification and tracking of group-housed animals: an example with pigs. Journal of Animal Science. 2024: skae174, https://doi.org/10.1093/jas/skae174