W dzisiejszym świecie rolnictwa, precyzyjne monitorowanie zdrowia i dobrostanu zwierząt staje się coraz bardziej kluczowe dla efektywnego zarządzania gospodarstwem. W tym kontekście, technologie oparte na sztucznej inteligencji, zwłaszcza algorytmy detekcji obiektów, odgrywają znaczącą rolę, umożliwiając automatyczną identyfikację różnych części ciała zwierząt na obrazach.
Zbiór danych wejściowych, który wykorzystujemy do treningu modelu detekcji, został pozyskany z platformy Roboflow. Ten zbiór zawiera obrazy wymienia i nóg krowy, które zostały dokładnie oznaczone, aby umożliwić precyzyjną segmentację tych części ciała. Każdy obraz w zbiorze danych jest opatrzony etykietami, które określają lokalizację (w postaci bounding boxes) oraz klasę obiektu (wymię lub noga), co jest niezbędne dla procesu trenowania modelu YOLOv8.
Aby zagwarantować skuteczność procesu uczenia modelu oraz jego generalizację na nowe, nieznane przypadki, zbiór danych został podzielony na część treningową, walidacyjną i testową. Zazwyczaj stosujemy podział odpowiednio 70%, 20% i 10%. Taki podział pozwala na optymalizację modelu pod kątem dokładności detekcji i segmentacji wymienia i nóg krowy, a także umożliwia ocenę jego zdolności do generalizacji na różne warunki środowiskowe i pozycje ciał zwierząt.
Nasza praca koncentruje się na wykorzystaniu zaawansowanych technologii wizyjnych do poprawy zarządzania gospodarstwem i dobrostanu zwierząt. Dzięki dokładnym danym z platformy Roboflow oraz wykorzystaniu potężnego modelu detekcji YOLOv8, jesteśmy w stanie efektywnie identyfikować wymię i nogi krowy na obrazach, co może przyczynić się do szybszej diagnozy chorób oraz poprawy ogólnej opieki nad zwierzętami.
Wnioski płynące z naszej pracy podkreślają znaczenie odpowiedniego przygotowania danych treningowych oraz systematycznej ewaluacji modelu w procesie trenowania algorytmów detekcji obiektów opartych na głębokim uczeniu maszynowym. Dzięki temu możliwe jest stworzenie skutecznych narzędzi wspierających rolnictwo, które mogą przyczynić się do poprawy efektywności produkcji oraz dobrostanu zwierząt.
