この記事は、HyperAI Super Neural WeChat パブリック アカウントから最初に公開されました~
内容の概要: 最近、ニューカッスル大学とフェラ サイエンシズ社は、複数の牛のための自動リアルタイム跛行検出システムを共同開発しました。このシステムは、跛行スコアリング システムに従って牛を 94% ～ 100% の精度で分類できます。現在、研究成果は『Nature』誌に掲載されている。
キーワード: 牛の跛行 畜産 機械学習
口蹄疫などの病気による乳牛の跛行は畜産業にとって世界的な話題となっている。関連する一般的な科学は、これが乳生産量と乳牛の生殖効率の低下につながるだけでなく、乳牛の早期排除につながることを示しています。国家動物衛生監視局の酪農報告書のデータによると、乳牛の殺処分の 16 パーセントは跛行が原因であることが示されています。
跛行は酪農産業が直面する主要な危機の 1 つとなっており、大規模乳牛の跛行を解決するには早期モニタリングと早期予防が有効な手段となっています。従来、乳業界では手作業で識別する方法が一般的でしたが、この方法には効率が低く、コストが高く、主観が強いなどの欠点がありました。
ニューカッスル大学のショーン・バーニー氏、サトナム・ドレー氏、フェラ・サイエンス社のアンドリュー・クロウ氏は最近、複数の牛を対象とした完全に自動化されたリアルタイムの跛行検出システムを開発しました。このシステムは、農場内に展開されている全体を監視できます。このシステムは、コンピュータービジョンとディープラーニングを使用して、カメラの視野内の各牛の姿勢と歩行を94%～100%の検出精度で分析します。現在、研究成果は『Nature』誌に掲載されている。
論文リンク:
https://www.nature.com/articles/s41598-023-31297-1#Sec7
テストデータセット
この実験では、研究者らはまず英国の農場で 250 頭の牛の動きをビデオ録画し、25 個のビデオを取得し、各ビデオを 3,600 個の構成フレームに分解しました。次に、研究者らはラベル付けのために 1 秒あたり 1 フレームを抽出しました。そして、ネットワークの汎化能力をさらに向上させるために、Google から 500 枚の牛の写真をダウンロードし、各牛の 15 のキー ポイントをマークし、これらの写真検索データと独自のラベル付けデータを組み合わせて、約 40,000 枚のデータベースを取得しました。注釈。
実際のデータでのアルゴリズムのパフォーマンスを評価するために、3 人の AHDB 認定観察者が、AHDB 牛移動スコアリング システムを使用して 25 個のビデオを同時に採点しました。このシステムには 4 つの評価スケールがあります: 0 (まったく不自由ではない)、1 (移動がわずかに不便)、2 (不自由)および 3 (ひどく不十分) の場合、以下の図は、これら 3 人の観察者による評価の分布を示しています。
グラフは、25.2% の牛が跛行度 0 (オレンジ)、43.2% の牛が跛行度 1 (緑)、25.6% の牛が跛行度 2 (赤)、6.0% が跛行度 2 (赤) であることを示しています。牛の跛行度は 3 (灰色) でした。
テストのプロセスと結果
この研究では、カメラとディープ畳み込みニューラル ネットワーク (Mask-RCNN アルゴリズム、SORT アルゴリズム、CatBoost アルゴリズム) を使用して、複数の牛の姿勢を検出します。研究者らはビデオ内の牛の背中と頭の重要なポイントを追跡し、抽出された関連する特徴指標を分析して跛行の程度を検出した。
姿勢分析アルゴリズム
Mask-RNN (エンティティ セグメンテーション アルゴリズム) の一部を自己開発した後、研究者らは、各牛の姿勢を推定する姿勢分析アルゴリズムを構築しました。このアルゴリズムでは、Google データセットからの 500 枚の画像と、250 頭の牛のうち 189 頭の牛の画像をトレーニングに使用し、残りの 61 頭の牛の画像は最終結果の検証に使用されます。
同時に、アルゴリズムは高精度で 15 のキー ポイントを特定し、姿勢分析用に背中の 5 つのキー ポイントと頭の 2 つのキー ポイントを含む各ポイントの特定の座標位置を出力します。
追跡アルゴリズム
上記の手順では、動画を構成フレームに分解し、各画像にキーポイントをラベル付けし、Mask-RNN を適用してポーズ解析を行うまでのすべてが 1 枚の静止画に基づいているため、実験では静止画の動きも解析する必要があります。牛の経時的なプロセス分析。この目的を達成するために、研究者らは SORT アルゴリズム (リアルタイム追跡アルゴリズム) を使用しました。このアルゴリズムは、牛の姿勢を経時的に検出し、背中の回帰曲線、背中の面積、首の後退度、首の角度などの情報を取得します。
上の画像は最初のフレームの 3 頭の牛を示しており、それぞれが異なる色でマークされています。中央の画像は 1 秒後の牛の動きを示しています。追跡アルゴリズムは、マークされたばかりのすべての牛を見つけて正常にマークしました。色に対応して、下の画像も同様に 1 秒後の牛の動きを示しています。
分類アルゴリズム
姿勢深層学習モデルによって出力された姿勢分析結果を取得した後、研究者らは CatBoost アルゴリズムを使用して牛の跛行をスコア化し、分類しました。ここで、最大限の一般化を確実にするには、最も重要なポーズ特徴の結果のみを最終的なトレーニング済みモデルで使用する必要があることに注意してください。したがって、研究者らは一連の変数順列分析を実施し、最終的に 4 つの重要でない指標情報を削除することでエラーを削減でき、モデルのパフォーマンスにほとんど影響を与えないと結論付けました。
最後に、CatBoost アルゴリズムの使用の精度をテストするために、研究者らはトリプル相互検証と分類検証を使用してモデルのパフォーマンスを検証しました。その中で、トリプル相互検証の結果、アルゴリズムモデルは跛行の程度に応じて各乳牛を異なる跛行グレードに細かく分類でき、平均精度率は94%±0.05であることが示されました。
要約すると、研究者らは、この研究の結果には、乳牛の跛行を検出する既存のシステムに比べて、次のような大きな利点があると提案しています。
-
複数の牛を同時に検査することができます。
-
乳牛は、日常的に使用されている AHDB スコアリング システムに従って、その移動姿勢に応じて細かく分類されます。
-
時間次元で各個人を追跡および分析できます。
-
完全に自動化されており、搾乳や給餌などの生産に影響を与えることはありません。
最後に、研究者らはいくつかの課題も提起しました。
-
跛行グレード0と1を区別するシステムの精度は、他のグレードに比べてかなり低いですが、研究チームは今後、小さな特徴の違いを利用して跛行のない牛とわずかに動く牛を正確に区別する能力の向上に取り組む予定です。牛、不便な牛。
-
システムは、リアルタイムの観察を実現するために、エッジ デバイス (カメラ、モバイル デバイス、タブレットなど) を使用して結果をサーバーに送信して処理する必要がありますが、このプロセスでは、ネットワークの変更によって引き起こされるパフォーマンスの変動をどのように軽減するかが重要です。がこの研究の未来になります。
-
このシステムは外部環境条件の影響を受けやすく、例えば床と蹄の色が似ている場合、Mask-RCNNアルゴリズムの認識精度が低下するため、より一般化した能力トレーニングを追加することも今後の焦点となっている。この研究に取り組んでいます。
牛！AI が畜産業のデジタル化を推進
現在、畜産業にもAIの風が吹いていることは紛れもない事実となっている。海外に注目すると、本稿で紹介した科学的研究成果に加え、畜産業界の規模の高さとデジタル基盤の充実により、AI導入の成果は「揃って」出ている。たとえば、オランダの農業テクノロジー企業 Connecterra は、牛の首にウェアラブル デバイスを装着することで牛の健康状態をリアルタイムで監視する「インテリジェント酪農農家アシスタント」(IDA、インテリジェント酪農農家アシスタント) システムを開発しました。ソフトウェアとハードウェアを備えた牛。ある米国の牧場経営者によると、IDA の適用により生産性が 10% 向上したとのことです。
中国に目を戻すと、一方で近年畜産分野でAIが活躍する例も少なくない。アリはすでに数年前にスマート養豚事業を開始し、ファーウェイもチャイナテレコムや銀川汽車と協力してNB-IoTベースの「牛ネットワーキング」製品「リトル・シェパード・ボーイ」を発売した。しかし、その一方で、家畜飼育アプリケーションにおける AI の適用範囲はまだそれほど広くないことも確認する必要があります。この点に関して、Shenmu Technology の CEO はかつて率直にこう言いました。 「人工知能について話すとき、彼らはそれについて非常に懸念しています。理解は依然として最も伝統的な顔認識と音声認識にとどまっています。」
したがって、この文脈において、畜産のデジタル化を促進する上でAIをどのようにより積極的な役割を果たすかが、間違いなくAIと畜産の分野における重要な研究テーマの1つとなるでしょう。もちろん、国内の関連分野にとって、この道はさらに険しく、道のりは長い。