Podsumowanie działań:
- SGGW – dalsze badania w zakresie zwierząt gospodarskich, raportowanie błędów detekcji,
- rolnicy – kontynuacja produkcji i udostępnianie obiektów,
- firma technologiczna – kolejne iteracje rozwoju sprzętu i oprogramowania,
- lider – koordynacja i nadzór nad realizacją badań.
Poniesione koszty:
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie: wynagrodzenia koszt kwalifikowalny 70 519,99 zł
- Smart Soft Solutions Sp. z o.o.: wynagrodzenia koszt kwalifikowalny 276 999,40 zł
Czwarty etap projektu TherMobEye był okresem intensywnego udoskonalania technologii w oparciu o bogaty materiał badawczy zgromadzony w poprzednich miesiącach. Urządzenia pracowały w trybie ciągłym w różnych środowiskach – od ciepłych, zamkniętych pomieszczeń inwentarskich po chłodniejsze, otwarte przestrzenie – co pozwoliło sprawdzić ich odporność na dynamiczne zmiany temperatury, wilgotności i oświetlenia. Eksperci SGGW prowadzili dalsze analizy oraz raportowali błędy w wykrywaniu anomalii, które mogły wynikać m.in. z zakłóceń obrazu, specyfiki ułożenia zwierząt czy zmiennego mikroklimatu. Te spostrzeżenia były bezpośrednio przekazywane zespołowi technologicznemu, który wprowadzał kolejne poprawki w oprogramowaniu i konstrukcji urządzeń, ze szczególnym uwzględnieniem systemu stabilizacji termicznej kamery. Rolnicy biorący udział w projekcie zapewniali stały dostęp do obiektów i zwierząt, co umożliwiało prowadzenie badań w warunkach wiernie odwzorowujących codzienną produkcję rolną.
Równolegle, w ramach prac badawczo-rozwojowych, prowadzono zaawansowany trening modelu segmentacji termowizyjnych zdjęć tucznika z wykorzystaniem zmodyfikowanej architektury YOLOv11, przeznaczonej do segmentacji obrazów. Na starannie przygotowanym zbiorze danych, w którym ręcznie oznaczono kluczowe regiony zainteresowania – głowę, tułów, nogi oraz tylną część ciała – przeprowadzono proces etykietowania z użyciem narzędzia Roboflow i narzędzia Polygon, co zapewniło dużą precyzję oznaczeń. Wdrożono także augmentacje danych (zarówno domyślne w YOLOv11, jak i te dostępne w bibliotece Ultralytics), które zwiększyły różnorodność próbek i odporność modelu na zmienność warunków rejestracji obrazów. Trening trwał 100 epok przy stałej rozdzielczości 640×640 pikseli, co pozwoliło uchwycić istotne szczegóły anatomiczne.
Analiza metryk wykazała, że model osiągnął bardzo wysoką skuteczność w segmentacji kluczowych obszarów, takich jak głowa czy tułów tucznika, a wartości mAP@0.5 przekroczyły 76%. Wysokie wartości F1 w klasach blackbody, pig_head i pig_torso potwierdzają jego użyteczność w praktycznej analizie termowizyjnej. Nieco niższe wyniki w klasach pig_leg i pig_bottom wynikały głównie z większej zmienności pozycji kończyn oraz tylnej części ciała w trakcie pomiarów.
Lider konsorcjum czuwał nad spójnością harmonogramu, organizował spotkania koordynacyjne, nadzorował realizację badań oraz gromadził dane do dalszych analiz. W rezultacie czwartego etapu uzyskano dopracowane moduły technologiczne oraz wysoce skuteczne narzędzia analizy obrazu, które w kolejnych miesiącach miały zostać zintegrowane w jeden, kompletny system TherMobEye.
