Аннотация результатов, полученных в 2024 году
Проблема восстановления популяции утки кряквы (Anas platyrhynchos) является одной из актуальных задач как в контексте экологии, так и в области сельскохозяйственной деятельности, сопряженной с технологическим стрессом, возникающий в результате взаимодействия с деятельностью человека. В условиях дичефермы, где важно отслеживать поведение большого количества особей, оперативное распознавание уток и их классификация на основе половой принадлежности (селезень или утка) позволяют своевременно выявлять изменения в поведении и условиях содержания, мониторинга их состояния здоровья. Методы решения задач В процессе решения задачи по мониторингу и анализу поведения уток крякв с целью профилактики технологического стресса было принято решение использовать технологию искусственного интеллекта, а именно нейросетевые модели для компьютерного зрения. В частности, в рамках проекта применяется модель YOLO – эффективный архитектур для задач детекции объектов в реальном времени. Методика Методика была организована в несколько последовательных этапов: - сбор данных. Для наблюдения за поведением уток были установлены камеры на дичеферме, где ведется искусственное разведение утки кряква. Дичеферма располагается на территории Манычского ПООУ ФГБУ «ФЦВиИОР», Веселовский район, Ростовская область; - предварительная обработка полученных видеоданных. Видеоархив был разделен на отдельные видеофрагменты для дальнейшей разметки и анализа. Из каждого видеофайла извлекались ключевые кадры для создания репрезентативного набора изображений; - разметка изображений проводилась по двум основным классам – "селезень" и "утка кряква". В случае если на изображении было невозможно с уверенностью определить класс птицы, фрагмент не размечался; - обучение нейросетевых моделей на основе подготовленных данных проводилось в два этапа: сначала на наборе данных с двумя классами (селезень и утка), а затем – на объединённом наборе данных, где обе категории были слиты в один класс "утка"; - оценка эффективности обученных моделей осуществлялась на новых изображениях, которые не использовались в процессе тренировки; - создание демонстрационного видеоматериала, на котором визуализировалась работа системы детекции уток в реальном времени. Конструирование и разработка системы видеорегистрации - высокое разрешение позволяет нейросети лучше обучаться на изображениях, что напрямую влияет на точность классификации и детекции; - дальность действия камеры важна для того, чтобы она могла охватывать большие участки территории фермы, где могут находиться утки; - угол обзора должен быть достаточно широким, чтобы охватывать большую площадь, но при этом камера должна быть настроена таким образом, чтобы избегать искажения изображения на периферии; - фиксация положения камеры является важным условием для стабильности данных; - система видеорегистрации должна быть масштабируемой для использования в реальных условиях фермы. Разработка и обучение нейросети На первом этапе был выбран YOLOv8 благодаря высокой производительности, возможности работы в реальном времени и модульной структуре. Были разработаны две модели: одна для детекции и классификации уток по двум классам (селезень и утка кряква), другая — для объединения всех уток в один класс "утка". Этот подход упрощает задачу детекции в ситуациях, где точная классификация по полу не является приоритетной, например, при массовом мониторинге численности. Апробация системы и анализ результатов Апробация началась со сбора видеоданных с камер, фиксированных на постоянной высоте. Съемка велась в течение всего дня для охвата различных условий освещения. Далее проводилась разметка кадров для обработки нейросетью. Итоговый этап включал сравнительный анализ результатов модели и ручной разметки, что позволило выявить точность работы системы, определить её сильные и слабые стороны. Таким образом, апробация на дичеферме стала ключевым этапом в оценке эффективности системы детекции и классификации в реальных условиях. Разработка веб-приложения для взаимодействия с системой детекции Создана веб-платформа DucksWantToLive, интегрированная с пятью камерами Hikvision, для мониторинга территории фермы. Платформа предоставляет удобный интерфейс для анализа данных о численности уток, просмотра изображений и генерации отчетов. Гибкая архитектура позволяет добавлять новые функции и источники данных. Пользователь может легко отслеживать изменения популяции и анализировать собранные данные, что упрощает управление фермой. Результаты исследования Разработана система мониторинга и анализа поведения уток крякв с целью профилактики технологического стресса. Применение нейросетевой модели YOLO для детекции и классификации уток продемонстрировало высокую эффективность в режиме реального времени, обеспечив точное выявление факторов стресса и анализ поведенческих реакций птиц как в условиях дичеразведения в охотничьих хозяйствах, так и в естественных условиях. Поставленные задачи на данном этапе НИР были решены в полном объеме. Успешно реализована система мониторинга, которая позволяет не только детектировать уток, но и анализировать их поведение с целью выявления факторов стресса. Система также обеспечивает классификацию по полу, что важно для оценки репродуктивного потенциала популяции. Модель показала высокие показатели точности и полноты детекции (Precision и Recall), что подтверждает её пригодность для использования на практике. Технологии компьютерного зрения и искусственного интеллекта, примененные в проекте, позволят своевременно выявлять факторы, негативно влияющие на здоровье птиц, и адаптировать условия их содержания. Это способствует увеличению продуктивности дичеферм охотничьих хозяйств и сохранению биоразнообразия экосистем. Также возможно внедрение системы в другие области сельского хозяйства, требующие мониторинга поведения животных. Проект освещался в различных СМИ и на интернет ресурсах: https://news.donstu.ru/news/uchenye-dgtu-nauchat-ii-provodit-zooveterinarnye-meropriyatiya-s-utkoy-kryakvoy https://zooinform.ru/vete/issledovat-populyaczii-zhivotnyh-pomozhet-ii-razrabatyvaemyj-v-dgtu/ https://rostov.rbc.ru/rostov/freenews/6613a2019a7947db846312b0 https://rscf.ru/news/agriculture/innovatsiya-v-veterinarii-beskontaktnoe-lechenie-utok/#