Precíziós eljárások és a mesterséges intelligencia technológia alkalmazása a szarvasmarha-tenyésztésben különös tekintettel a húshasznú szarvasmarhák azonosítására
DOI:
https://doi.org/10.17205/SZIE.AWETH.2022.1.051Kulcsszavak:
képrögzítés, egyed azonosítás, mesterséges intelligencia, neurális hálózatAbsztrakt
A mesterséges intelligencia (MI) az állattenyésztés több területén vált fontos eszközzé a tenyésztési folyamatok optimalizálására. Dolgozatunkban elsősorban a szarvasmarhák azonosítására és megszámolására mutattunk be példákat a szakirodalomból. Az állatok egyedi azonosítása és a gulya ellenőrzése, viselkedésének monitorozása számos következtetés levonását támogatja állatjóléti és állategészségügyi szempontból is. A rögzített képek feldolgozásának automatizálása is elengedhetetlenné vált. Ezt a folyamatot segíti a Mesterséges Intelligencia. A mélytanulás és a neurális hálók kiválóan alkalmasak a képek szegmentálásra és különböző jellemzők alapján azok tartalmi feldolgozására. A konvoluciós neurális hálók kifejezetten az ilyen feladatokban erősek és láthattuk, hogy ezen hálózatok továbbfejlesztései (pl. Faster R-CNN) még hatékonyabb képelemzési eljárásokat tesznek lehetővé. Az állatokról készült felvételek feldolgozása nagy lépést jelenthet az állatállomány automatikus elemzése és azonosítása tekintetében.
Hivatkozások
Alföldi L., Tarr Z., Tőzsér J. (2020): Digitális mikroklíma mérés a tejtermelő farmon. Animal Welfare Etológia és tartástechnika 16: 2 pp. 94–109., 16 p. https://doi.org/10.17205/SZIE.AWETH.2020.2.094
Barbedo, J. G. A., Koenigkan, L. V., Santos, T. T., Santos, P. M. (2019): A Study on the Detection of Cattle in UAV Images Using Deep Learning. Sensors 2019, 19, 5436. https://doi.org/10.3390/s19245436
Barbedo, J., Koenigkan, L., Santos, T., Santos, P. (2019). A Study on the Detection of Cattle in UAV Images Using Deep Learning. Sensors. 19. 5436. https://doi.org/10.3390/s19245436
Barriuso, A. L., Villarrubia González G., De Paz J. F., Lozano Á., Bajo J. (2018): Combination of Multi-Agent Systems and Wireless Sensor Networks for the Monitoring of Cattle. Sensors (Basel). 18(1):108. PMID: 29301310; PMCID: PMC5795335. https://doi.org/10.3390/s18010108
Beibei Xu, Wensheng Wang, Greg Falzon, Paul Kwan, Leifeng Guo, Zhiguo Sun & Chunlei Li (2020) Livestock classification and counting in quadcopter aerial images using Mask R-CNN, International Journal of Remote Sensing, 41:21, 8121–8142, https://doi.org/10.1080/01431161.2020.1734245
Hollósi D. (2017) (szerk: Milics G.): Adatalapú döntések a 2020 utáni finanszírozásban. Precíziós Gazdálkodás, Adat, Információ, Haszon. Budapest, Agroinform és NAK, 26. p ISBN: 978-963-12-8921-3
Kühl, H. S., Burghardt, T. (2013): Animal biometrics: quantifying and detecting phenotypic appearance. Trends Ecol Evol 28(7):432–441. https://doi.org/10.1016/j.tree.2013.02.013
Kumar, Santosh, Singh, Sanjay (2017): Automatic identification of cattle using muzzle point pattern: a hybrid feature extraction and classification paradigm. Multimedia Tools and Applications. 76. 1–30. https://doi.org/10.1007/s11042-016-4181-9
Linko, S. (1998): Expert systems-what can they do for the food industry? Trends in Food Science and Technology 9: 3–12. https://doi.org/10.1016/S0924-2244(97)00002-2
Russel, S. Norvig, P. (2021): Artificial Intelligence: A Modern Approach, Global Edition, Pearson Education Limited, London, 1170 p.
Tóth, L., Kovács, L., Póti, P., Alföldi, L., Tarr, Z., Szenci, O., Tőzsér, J. (2019): Korszerű információ technika (IT) a tejelő szarvasmarha tartásban. Állattenyésztés és takarmányozás, 68. 3. 253. p. http://real-j.mtak.hu/16047/3/att_2019_03.pdf
Weber, Fabricio de Lima, Weber, Vanessa Aparecida de Moraes, Menezes, Geazy Vilharva, Oliveira Junior, Adair da Silva, Alves, Daniela Arestides, de Oliveira, Marcus Vinicius Morais, Matsubara, Edson T (2020): Recognition of Pantaneira cattle breed using computer vision and convolutional neural networks. Computers and Electronics in Agriculture,08., 175. 10. https://doi.org/10.1016/j.compag.2020.105548
Yongliang Qiao, Daobilige Su, HeKong, Salah Sukkarieh, Sabrina Lomax, Cameron Clark (2019): Individual Cattle Identification Using a Deep Learning Based Framewor, IFAC-PapersOnLine, Volume 52, Issue 30, Pages 318–323 https://doi.org/10.1016/j.ifacol.2019.12.558
Letöltések
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2022 Tarr Bence, Katona Balázs, Szabó István, Tőzsér János
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
