يقيس هذا البروتوكول ستة نماذج YOLO للكشف عن سلوك الماشية في الوقت الفعلي لدعم تحسين الرفاهية وإدارة المزرعة.
يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية
مقالة منهجية
يقيس هذا البروتوكول ستة نماذج YOLO للكشف عن سلوك الماشية في الوقت الفعلي لدعم تحسين الرفاهية وإدارة المزرعة.
يعد الكشف الدقيق عن سلوك الماشية في الوقت الفعلي أمرا بالغ الأهمية لتحسين رفاهية وتحسين إدارة الثروة الحيوانية. لمعالجة هذا الأمر ، تقوم هذه الدراسة بتقييم شامل لستة نماذج خفيفة الوزن YOLO (تنظر مرة واحدة فقط) - YOLOv8n و YOLOv9t و YOLOv10n و YOLOv11n و YOLOv12n و YOLOv13n - للتعرف على خمسة سلوكيات رئيسية للماشية (الوقوف والكذب والبحث عن الطعام والشرب والاجترار) باستخدام مجموعة بيانات CBVD-5 المخصصة. تتضمن مجموعة البيانات ظروف إضاءة متنوعة وبيئات حظائر طبيعية لتعكس سيناريوهات المراقبة في العالم الحقيقي. تم تقييم جميع النماذج باستخدام مقاييس الكشف عن الكائنات القياسية (الدقة ، والاستدعاء ، و mAP@50 ، و mAP@50-95) والمؤشرات الموجهة نحو النشر بما في ذلك وقت الاستدلال ، والأطر في الثانية (FPS) ، وحجم النموذج ، ومدة التدريب لتوفير تقييم متوازن للدقة والكفاءة. حقق YOLOv13n أعلى mAP@50-95 (0.712) ، بينما وصل YOLOv11n إلى أعلى mAP@50 (0.967) وأظهر تقاربا مستقرا مع مقايضة جيدة بين دقة الكشف وسرعة الاستدلال. أظهر YOLOv10n أسرع سرعة استدلال (1.2 مللي ثانية / إطار ، ~ 833 إطارا في الثانية) ، مما يجعله مناسبا تماما للتطبيقات الحساسة لزمن الوصول مثل المراقبة المستمرة للحظيرة. حافظت جميع الطرز على أحجام صغيرة أقل من 6 ميجابايت وإنتاجية في الوقت الفعلي تتجاوز ~ 300 إطارا في الثانية ، مما يؤكد عمليتها لنشر الحافة. تضع النتائج إطارا معياريا قابلا للتكرار لتقييم متغيرات YOLO الحديثة ، مما يوفر رؤى حول اختيار النموذج لأنظمة مراقبة الثروة الحيوانية الفعالة والقابلة للتطوير والموجهة نحو الرفاهية.
تعد المراقبة الفعالة لسلوك الماشية أمرا ضروريا في تربية الماشية الدقيقة ، ودعم إدارة الرفاهية ، والكشف عن الأمراض ، والتحسين التشغيلي. تعتبر الأساليب غير الغازية القائمة على الرؤية واعدة بشكل خاص نظرا لقابليتها للتوسع وتعدد استخداماتها. توفر مجموعات البيانات القياسية مثل CBVD-5 (مجموعة بيانات فيديو سلوك البقر مع 5 فئات) تعليقات توضيحية سلوكية متنوعة عبر ظروف الإضاءة المتنوعة ، مما يجعلها معايير قيمة في هذا المجال1. في معظم إعدادات المزرعة العملية ، يتم تثبيت الكاميرات على ارتفاع معتدل مع إضاءة مستقرة نسبيا ، على الرغم من أن الانسداد العرضي بين الماشية قد يؤثر على أداء الكشف. لا يزال التعرف على السلوك في الثروة ....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
1. إعداد مجموعة البيانات
ملاحظة: لم تتضمن هذه الدراسة تجارب حيوانية جديدة. تم الحصول على جميع البيانات من مجموعة بيانات CBVD-5 المتاحة للجمهور ، والتي تم جمعها وإصدارها وفقا للمبادئ التوجيهية المؤسسية لرعاية من قبل مؤلفيها الأصليين. لذلك ، لم تكن هناك حاجة إلى موافقة أخلاقية إضافية لهذا العمل.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
يعرض هذا القسم نتائج تقييم YOLOv8 من خلال نماذج YOLOv13 على مجموعة بيانات CBVD-5 للتعرف على الماشية متعددة السلوكيات. يركز التحليل على دقة الاكتشاف وتقارب التدريب والتوزيع السلوكي وملاءمة النشر في البيئات محدودة الموارد. تتبع جودة مجموعة البيانات وتوازن الفصل الانقسامات الموضحة في البروتوكول (70/20/10) ، مما يضمن تمثيلا متسقا لجميع السلوكيات الخمسة عبر مجموعات التدريب والتحقق من الصحة والاختبار. يوضح الشكل 1 أن سلوكيات الماشية المشروحة تتمحور بشكل عام بشكل جيد داخل الإطار. يكون إحداثي المركز.......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
يعتمد النجاح العام للإطار المقارن المقترح بشكل حاسم على العديد من خطوات البروتوكول ، بما في ذلك التعليقات التوضيحية للسلوك عالي الجودة ، وزيادة البيانات المتنوعة ، ومراقبة التقارب المستقر أثناء التدريب. تضمن هذه العوامل أن الاختلافات في أداء النموذج تعكس التباين المعماري الحقيقي بدلا من البيانات أو ضوضاء التدريب. قامت هذه الدراسة بتقييم ستة متغيرات YOLO خفيفة الوزن بشكل منهجي (v8n إلى v13n) للكشف عن سلوك الماشية متعدد الفئات باستخدام مجموعة بيانات CBVD-5. من بين الموديلات ، حقق YOLOv11n .......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
يعلن المؤلفون أنه ليس لديهم مصالح متضاربة.
تم تمويل هذا العمل من قبل منحة Universiti Sains Malaysia Bridging Grant ، رقم المشروع: R501-LR-RND003-0000001342-0000.
....الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| مسجل داهوا DH-NVR2216-HDS3 | تكنولوجيا داهوا | https://www.dahuasecurity.com/ | |
| مفتاح داهوا DH-S3000C-16GT جيجابت | تكنولوجيا داهوا | https://www.dahuasecurity.com/ | |
| كاميرا داهوا M/K للمراقبة (عدسة 2.8 مم / 3.6 مم) | تكنولوجيا داهوا | https://www.dahuasecurity.com/ | |
| جوجل كولاب برو | جوجل | https://colab.research.google.com/ | |
| ماتبلوتليب | مجتمع ماتبلوتليب | https://matplotlib.org/ | |
| بطاقة رسومات NVIDIA A100 | NVIDIA | https://www.nvidia.com/en-us/data-center/a100/ | |
| نومباي | مجتمع نومبي | https://numpy.org/ | |
| OpenCV | OpenCV.org | https://opencv.org/ | |
| أوبتونا (تحسين المعاملات الفائقة) | Optuna.org | https://optuna.org/ | |
| الباندا | مجتمع الباندا | https://pandas.pydata.org/ | |
| PyTorch (الإصدار 2.0+) | مؤسسة بايتورش | https://pytorch.org/ | |
| بايثون (الإصدار 3.10) | مؤسسة بايثون للبرمجيات | https://www.python.org/ | |
| مجموعة بيانات روبوفلو TSL | روبوفلو | https://roboflow.com/ | |
| أوبونتو 20.04 LTS | قانوني | https://ubuntu.com/ | |
| كود فيجوال ستوديو | مايكروسوفت | https://code.visualstudio.com/ | |
| YOLOv13 | التحليل الفائق | https://github.com/ultralytics/YOLOv13 | |
| YOLOv9 | التحليل الفائق | https://github.com/ultralytics/YOLOv9 |
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.