Podsumowanie działań:
- SGGW – wsparcie weryfikacji hipotez statystycznych, konsultacje w zakresie produkcji bydła i trzody, modernizacja budynków badawczych,
- rolnicy – prowadzenie produkcji i udostępnianie obiektów do badań,
- firma technologiczna – identyfikacja szumów termicznych, prace nad identyfikacją obrysu bydła mlecznego,
- lider – koordynacja prac, nadzór nad jakością układu doświadczalnego, przygotowanie dokumentacji.
Poniesione koszty:
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie: wynagrodzenia zespołu projektowego: koszt kwalifikowalny 70 882,87 zł
- Smart Soft Solutions Sp. z o.o.: wynagrodzenia zespołu projektowego: koszt kwalifikowalny 182 268,64 zł
Drugi etap projektu TherMobEye stanowił moment przejścia od przygotowań teoretycznych do prowadzenia badań w realnych warunkach produkcji zwierzęcej. Modernizacja budynków badawczych umożliwiła rozpoczęcie pomiarów w środowiskach, które wiernie odzwierciedlały codzienną pracę w gospodarstwach, z uwzględnieniem zróżnicowanego mikroklimatu i układu infrastruktury. Zespół SGGW aktywnie wspierał ten proces, prowadząc konsultacje dotyczące chowu i żywienia bydła mlecznego oraz trzody chlewnej, a także weryfikując hipotezy statystyczne, co pozwoliło udoskonalić harmonogram i zakres planowanych badań. Rolnicy uczestniczący w projekcie prowadzili produkcję w ramach układu doświadczalnego, udostępniając obiekty do instalacji urządzeń i rejestracji danych w codziennych warunkach pracy.
Równolegle zespół technologiczny rozpoczął intensywne prace nad opracowaniem narzędzi analizy obrazu, koncentrując się na detekcji i eliminacji szumów termicznych, które mogły zaburzać odczyty. Kluczowym osiągnięciem w tym etapie było stworzenie systemu analizy klatek pomiarowych opartego na architekturze YOLOv8. Model ten, trenowany na zróżnicowanych zbiorach zdjęć krów i świń wykonanych w różnych warunkach, umożliwiał automatyczne rozpoznawanie gatunku zwierzęcia i precyzyjne wyznaczanie jego obrysu w obrazie. Umożliwiało to w kolejnych krokach segmentację i analizę danych radiometrycznych w zależności od gatunku. Równocześnie opracowywano algorytm rozpoznawania typu podłoża, aby uwzględnić wpływ otoczenia na interpretację pomiarów temperatury. W tym celu gromadzono i opisywano obszerne bazy zdjęć przedstawiających różne nawierzchnie – od betonu, przez drewno, po słomę i ziemię – a następnie wykorzystywano je do trenowania i testowania modelu odpornego na zmienne warunki panujące w gospodarstwach.
Całość działań była koordynowana przez lidera konsorcjum, który odpowiadał za nadzór nad jakością układu doświadczalnego, organizację spotkań roboczych oraz gromadzenie pierwszych zbiorów danych z pomiarów. Rezultatem tego etapu było przygotowanie solidnej bazy wyników i wstępnych algorytmów, które stały się fundamentem dalszych prac rozwojowych nad systemem TherMobEye.
