Aktualności

Ewaluacja poprawności segmentacji modelu jest kluczowym etapem w procesie tworzenia i udoskonalania algorytmów rozpoznawania obrazu. W projekcie TherMobEye wykorzystujemy wskaźniki Jacquard i DICE do oceny dokładności segmentacji obszarów takich jak wymię, sutki oraz ciało referencyjne (blackbody) na zdjęciach termowizyjnych. Poniżej przedstawiamy szczegółowy opis procesu ewaluacji oraz teoretyczne podstawy używanych wskaźników. Wskaźniki Jacquard i DICE Wskaźnik… Dowiedz się więcej: Ewaluacja poprawności segmentacji modelu za pomocą wskaźników Jacquard i DICE

Przygotowanie zbioru wejściowego do treningu modelu segmentacji zdjęć termowizyjnych Proces przygotowania zbioru danych do treningu modelu segmentacji zdjęć termowizyjnych jest kluczowym krokiem w projekcie TherMobEye. Obejmuje on kilka etapów, od ręcznego oznaczania obszarów na zdjęciach, przez augmentację danych, aż po podział danych na zestawy treningowe, testowe i walidacyjne. Poniżej przedstawiamy szczegółowy opis tego procesu. Oznaczanie… Dowiedz się więcej: Przygotowanie zbioru wejściowego do treningu modelu segmentacji zdjęć termowizyjnych

Metodyki pomiarów radiometrycznych Krótki wstęp o termowizji w diagnostyce Termowizja, czyli obrazowanie w podczerwieni, jest powszechnie stosowana w diagnostyce medycznej i weterynaryjnej do oceny stanu zdrowia. Technologia ta umożliwia bezkontaktowe pomiary temperatury powierzchni ciała, co jest szczególnie przydatne w wykrywaniu stanów zapalnych, infekcji oraz innych anomalii termicznych. W diagnostyce weterynaryjnej, termowizja jest używana do monitorowania… Dowiedz się więcej: Metodyki pomiarów radiometrycznych

Założenia algorytmu Algorytm ma za zadanie identyfikację i segmentację krów oraz świń na materiałach wideo, co umożliwia szczegółową analizę ich zachowań oraz monitorowanie warunków ich życia. Kluczowe założenie algorytmu zakłada, że precyzyjna detekcja zwierząt na wideo pozwoli na lepsze zrozumienie ich potrzeb i potencjalnych zagrożeń dla ich zdrowia i dobrostanu.Dzięki automatyzacji procesu analizy wideo, oczekuje się zwiększenia… Dowiedz się więcej: Opracowanie systemu Analizy Wideo

Założenia algorytmu Celem algorytmu jest automatyczna klasyfikacja podłoża na zdjęciach termowizyjnych na dwa typy: bezściółkowe (np. gładki beton) i ściółkowe (np. słoma), co ma kluczowe znaczenie dla analizy warunków życiowych zwierząt hodowlanych. Założono, że dokładne rozpoznanie typu podłoża umożliwi korelację z innymi danymi pomiarowymi, co pozwolizrozumieć wpływ środowiska na zdrowie i dobrostan zwierząt. Precyzja w klasyfikacji jest niezbędna, aby… Dowiedz się więcej: Opracowanie systemu rozpoznawania typu Podłoża

Usuwanie szumów z obrazów termowizyjnych W ramach projektu kluczowym aspektem jest implementacja zaawansowanego systemu do odszumiania danych. W kontekście analizy obrazów termowizyjnych, obecność szumów może znacząco wpływać na dokładność i wiarygodność wyników pomiarów temperatury, co ma bezpośrednie konsekwencje dla celów diagnostycznych i monitorowania stanu zdrowia zwierząt. Przegląd dostępnych rozwiąząń Jednym z podejść do odszumiania obrazów jest wykorzystanie filtrów… Dowiedz się więcej: Opracowanie systemu usuwania szumów i autokalibracji

Dla celów treningu systemu rozpoznawania części ciała zwierząt, skorzystano z otwartego zbioru danych dostępnego na platformie Roboflow. W pierwszym etapie treningu skupiono się na segmentacji wymienia, ze względu na większezastosowanie w aktualnych funkcjach systemu. Testowanie modelu

Zbiór danych, wykorzystany do treningu systemu rozpoznawania zwierząt, składa sięz oznakowanych zdjęć krów i świń, które zostały pobrane z platformy Roboflow.Każde zdjęcie w tym zbiorze zostało precyzyjnie anotowane, z zaznaczonymibounding boxami określającymi lokalizację i granice zwierząt. Anotacje te sąniezbędne, aby umożliwić modelowi YOLOv8 naukę efektywnego rozpoznawania idokładnego lokalizowania krów oraz świń na różnorodnych obrazach. Zbiór… Dowiedz się więcej: Opracowanie systemu rozpoznawania zwierząt z wykorzystaniem uczenia maszynowego

Zbiór danych składa się z oznakowanych obrazów termowizyjnych wymion krów, przygotowanych za pomocą narzędzia CVAT. Każdy obraz został oznaczony etykietami wskazującymi na lokalizację wymienia, co umożliwia modelowi naukę rozpoznawania tych specyficznych obszarów na różnorodnych zdjęciach Zbiór danych został podzielony na zestawy: treningowy, walidacyjny i testowy, z proporcjami odpowiednio 70%, 20% i 10%. Takie rozdzielenie pozwala… Dowiedz się więcej: W ramach II etapu opracowaliśmy algorytmu pomiaru temperatury z użyciem uczenia maszynowego

Czynności testowe Krok 1: Wykonanie pomiaru temperatury referencyjnej ciała doskonale czarnego za pomocą pirometru z odległości 70cm. Krok 2: Wpisanie zmierzonej temperatury referencyjnej do aplikacji TherMobEye Krok 3: Przyłożenie ciała referencyjnego aparatu do wymienia krowy. Krok 4: Rozpoczęcie pomiaru w aplikacji mobilnej TherMobEye Krok 5: Nagranie i zapisanie 3-5 sekundowego fragmentu wszystkich danych radiometrycznych wymienia… Dowiedz się więcej: Metodyka badań

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… Dowiedz się więcej: Precyzyjna detekcja wymienia i nóg krowy: wykorzystanie danych z platformy Roboflow w treningu modelu YOLOv8

Technologie oparte na sztucznej inteligencji odgrywają coraz większą rolę we współczesnym rolnictwie, szczególnie w monitorowaniu zdrowia i dobrostanu zwierząt. W tym kontekście, algorytmy detekcji obiektów, takie jak YOLOv8, stają się niezastąpionym narzędziem dla hodowców, umożliwiając automatyczne rozpoznawanie zwierząt na zdjęciach, w tym krów i świń.   Aby wytrenować efektywny model detekcji, kluczowe jest posiadanie różnorodnego… Dowiedz się więcej: Różnorodny zbiór danych w treningu modelu YOLOv8 do detekcji krów i świń

Optymalizacja trenowania algorytmu YOLOv8 przy użyciu zbioru danych termowizyjnych krów W dzisiejszych czasach technologie wizyjne, zwłaszcza te oparte na sztucznej inteligencji, stają się coraz bardziej nieodłącznym elementem rolnictwa. Jednym z kluczowych obszarów ich zastosowania jest monitorowanie zdrowia i dobrostanu zwierząt, co jest kluczowe dla efektywnego zarządzania gospodarstwami i poprawy wydajności produkcji. W tym kontekście algorytmy… Dowiedz się więcej: Rozpoczynamy prace badawcze nad algorytmami

Grupa Operacyjna Fermendfeed Operacja pod tytułem: Poprawa dobrostanu zwierząt z wykorzystaniem szybkich przesiewowych badań pod kątem detekcji podwyższonej temperatury zwierząt oraz procesów termicznych w rolnictwie za pomocą uniwersalnego nieinwazyjnego oraz mobilnego detektora TherMobEye. Mamy olbrzymią przyjemność poinformować Państwa, iż podpisaliśmy umowę z ARIMR i zaczynamy prężnie pracować dla lepszego jutra rolnictwa.