مقدّمة
- في يومنا هذا، يُربّى حوالي 20,000 إلى 30,000 طائراً في بيوت دجاج التسمين في الولايات المتّحدة الأميركيّة، الأمر الذي يؤدّي إلى زيادة القلق العام حول رفاهيّة الحيوانات.
- تتمّ معاينة رفاهيّة دجاج التسمين ونموّه يوميّا بشكلٍ يدويّ، وهو أمرٌ يتطلّب الكثير من العمل وعرضةٌ إلى الأخطاء البشريّة. لذلك، هناك حاجة لوسيلة تلقائيّة لرصد تصرّف الدجاج وتحليله، وتوقّع حالة الرفاهيّة.
- تتمتّع تقنيّات التّعلّم المتعمّق بقدراتٍ قويّة على وصف السّمات، وسرعة معالجة عالية، وقُدرة على حلّ مشكلاتٍ متعلّقة بالتداخلات الخارجيّة.
- لذلك، تعتبر خوارزميّات التعلّم المتعمّق نماذجَ مناسبةً لتطوير أداةٍ تلقائيّةٍ، وذات فاعليّة، وذكيّةٍ لتربية الحيوانات بدقّة.
- لكنّ حجم الدجاج والأعداد الكبيرة منها التي تربّى في البيت الواحد تشكّلان تحدّياً أمام تطبيق تقنيّات التعلّم المتعمّق لمراقبة الدجاجات المنفردة.
- في الدراسة المقدّمة، تمّ دمج وحدة انتباه البلوك الالتفافيّة (convolutional block attention module أو CBAM) مع YOLOv5 (وهو نموذجٌ مصمّمٌ لرصد أشياء صغيرة بشكلٍ سريع) لتحسين قدرة الخوارزميّات على استخلاص سمات الصورة.
الطرق
- تمّ إجراء هذه الدراسة في بيتٍ تجريبيّ لدجاج التسمين في مركز أبحاث الدواجن في جامعة جورجيا في آثنز، الولايات المتّحدة الأميركيّة.
- تمّ تثبيت آلات تصوير عالية الوضوح (PRO-1080MSFB, Swann Communications, Santa Fe Springs, CA) على السقف (على ارتفاع مترين ونصف فوق الأرض) لالتقاط الفيديو (15 إطار/ثانية، 1440 بيكسل × 1080 بيكسل).
- ثمّ تمّ اختيار نوعين من الفراش (نشارات صنوبر حديثة، بالإضافة إلى فراشٍ مستعملٍ لتربية ثلاثة قطعان دجاج تسمين من قبل) كساحاتِ تطبيقٍ لعمليّة رصد دجاج التسمين. وبعد ذلك، تمّ اختيار لكلّ من ساحتَي الفراش 70 صورةً من د2، ود9، ود16، ود23 تباعاً، لمجموع 560 صورة.
الرسم 1. أمثلة عن صور دجاج التسمين من الساحات المختلفة. (أ) صور لدجاج التسمين من أرضيّة نشارات الصنوبر الحديثة. (ب) صور لدجاج التسمين من أرضيّة الفراش المستعمل. (ج) صور لدجاج التسمين من أرضيّة الأقفاص المتعدّدة.
بالإضافة إلى ذلك، تمّ تركيب الصور البارزة في الرسم 1(ج) لتقييم قدرة النموذج على الرصد في خضمّ وجود عدّة أقفاص في كلّ ساحة. ولذلك تمّ اختيار 70 صورة من د16 ود23.
- وأخيراً، تمّ الحصول على 700 صورة وتقسيمها بشكلٍ عشوائيّ على مجموعات تمرينٍ وتفحّص، بمعيار 5 إلى 2.
- يوضّح الرسم 1 أمثلة عن صور دجاج التسمين من ساحاتٍ مختلفة.
النتائج
يُوضّح الرسمان 2 و 3 نتائج رصد دجاج التسمين بواسطة YOLOv5 ومُدمج YOLOv5-CBAM على أرضيّتي الصنوبر الحديث والفراش المستعمل، تباعاً.
- يمثّل العمود الأوّل نتائج الرصد من خلال YOLOv5، والعمود الثاني الصوَر الأصليّة، والعمود الثالث نتائج الرصد بواسطة مُدمج YOLOv5-CBAM. يبيّن (ط) العدد الحقيقي لدجاج التسمين، و(ي) عدد دجاج التسمين المرصود.
- رصد مُدمج YOLOv5-CBAM دجاج التسمين بدقّة أعلى من YOLOv5، وقد تمكّن من توفير نتائجَ رصدٍ أفضل في حالة الأهداف المزدحمة أو الصغيرة. تمّ استعمال مجموعة بيانات اقتصرت على صور دجاجِ تسمين من مختلف الأعمار، متربٍّ على نوعين مختلفَين من الفراش وأقفاصٍ متعدّدة لتجربة التطبيق وفعاليّة المُدمج YOLOv5-CBAM
الرسم 2. نتائج الرصد باستخدام YOLOv5 والمُدمج YOLOv5-CBAM على نشارات الصنوبر الحديثة. (أ) طيور بعمر اليومين. (ب) طيور بعمر التسعة أيّام. (ج) طيور بعمر الستّة عشر يوماً. (د) طيور بعمر الثلاثة والعشرين يوماً.
كانت دقّة وقدرة الاسترجاع والبُعد البُؤري ومعدّل الدقّة الوسطيّة على عتبة 0.5 للمُدمج YOLOv5-CBAM 97.3% و92.3% و94.7% و96.5%، وهي أعلى من تلك العائدة إلى YOLOv5 (96.6% و92.1% و94.3% و96.3%) أو إلى Faster R-CNN (79.9% و95.4% و86.8% و90.6%) وSSD (60.8% و94.0% و73.8% و88.5%).
بيّنت النتائج أنّ الفاعليّة العامّة للمُدمج YOLOv5-CBAM كانت الأفضل.
- حسّنت إضافة وحدة CBAM إلى شبكة YOLOv5 من فاعليّة نموذج رصد دجاج التسمين.
- كما بيّنت النتائج أيضاً أنّ نموذج المُدمج YOLOv5-CBAM كان مناسباً لرصد دجاج التسمين في مراحل النموّ المختلفة، وفي نوعيّات فراشٍ مختلفة، وفي أقفاصٍ متعدّدة.
- إضافةً، كان معدّل الأطر الخاصّ بمُدمج YOLOv5-CBAM 55 إطاراً/ثانية، وهو أقلّ من معدّ إطار YOLOv5 (وهو 62 إطاراً/ثانية)، لكن أعلى من ذلك لـFaster R-CNN (2.6 إطاراً/ثانية) وSSD (3.1 إطاراً/ثانية).
الرسم 3. نتائج الرصد باستخدام YOLOv5 والمُدمج YOLOv5-CBAM على الفراش المستعمل. (أ) طيور بعمر اليومين. (ب) طيور بعمر التسعة أيّام. (ج) طيور بعمر الستّة عشر يوماً. (د) طيور بعمر الثلاثة والعشرين يوماً.
ملخّص
- في الدراسة المقدّمة، تمّ تطوير نموذجٍ مُدمجٍ YOLOv5-CBAM لدجاج التسمين، كما تمّت تجربة فعاليّته على رصد دجاج التسمين على أرضيّة الفراش.
- تمّ تركيب مجموعة بيانات معقّدة من صور دجاج التسمين في مختلف الأعمار، وأقفاصٍ متعدّدة، ومساحات مختلفة (فراشٍ حديث مقابل آخر مستعمل) لتقييم فاعليّة النموذج الجديد.
- تمّ تركيب مجموعة بيانات معقّدة من صور دجاج التسمين في مختلف الأعمار، وأقفاصٍ متعدّدة، ومساحات مختلفة (فراشٍ حديث مقابل آخر مستعمل) لتقييم فاعليّة النموذج الجديد.
- بشكلٍ عامّ، يستطيع نموذج التعلّم المعمّق المُقترح لرصد دجاج التسمين تحقيق أهداف رصدٍ دقيقة و سريعة بالزمن الحاليّ، وتوفير المساندة التقنيّة لإدارة ومراقبة الطيور في بيوت دجاج التسمين التجاريّة.
قراءة إضافيّة: Guo, Y., S. E. Aggrey, X. Yang, A. Oladeinde, Y. Qiao, L. Chai. (2023) Detecting broiler chickens on litter floor with the YOLOv5- CBAM deep learning model. Artificial Intelligence in Agriculture,9: 36-45. https://doi.org/10.1016/j.aiia.2023.08.002.
