Makikita ang content sa:
English Indonesia (Indonesian) Melayu (Malay) ไทย (Thai) Tiếng Việt (Vietnamese)
PANIMULA
Tinatayang 20,000–30,000 na manok ang inaalagaan sa mga commercial broiler houses sa US sa kasalukuyan, at ito’y nagdudulot ng lumalaking public concern tungkol sa animal welfare.
Ang araw-araw na pagsusuri sa kalagayan at paglaki ng broiler, na labor-intensive at maaaring magkaroon ng pagkakamali, ay isinasagawa nang manu-mano. Samakatuwid, may pangangailangan para sa isang awtomatikong kagamitan upang tukuyin at suriin ang mga kilos ng manok at matukoy ang kanilang welfare status.
Ang deep learning technology ay may mga malalakas na feature representation capabilities, mabilis na processing speed, at kakayahang maglutas ng mga problemang dala ng external interferences.
Dahil dito, ang mga deep learning algorithms ay angkop na modelo para sa pag-develop ng isang awtomatiko, mahusay, at intelihenteng kagamitan para sa precision animal farming.
Gayunpaman, ang laki ng manok at ang napakaraming bilang na inaalagaan sa isang bahay ay nagdudulot ng mga hamon sa paggamit ng deep learning techniques para sa pagsubaybay sa bawat manok.
Sa kasalukuyang pag-aaral, isinama namin ang Convolutional Block Attention Module (CBAM) sa YOLOv5 upang mas mapahusay ang kakayahan ng algorithm sa pagkuha ng mga image features.
MGA PAMAMARAAN
Isinagawa ang pag-aaral na ito sa isang experimental broiler house sa Poultry Research Center ng University of Georgia, Athens, USA.
Naglagay ng mga high definition cameras (PRO-1080MSFB, Swann Communications, Santa Fe Springs, CA) sa kisame (2.5 metro mula sa sahig) upang kumuha ng video (15 frame/s, 1440 pixels × 1080 pixels).
Dalawang uri ng litter (sariwang pine shavings at dati nang ginamit na litter para sa tatlong flocks ng broilers) ang pinili bilang mga application scenes para sa pagtukoy ng broiler. Para sa dalawang uri ng litter, 70 larawan ang pinili mula sa d2, d9, d16, at d23, na may kabuuang 560 larawan.
Figure 1. Examples of broiler images from different scenes. a. Broiler images from reused litter floor .b. Broiler images from fresh pine shavings floor.c. Broiler images from multiple pens floor.
Dagdag pa rito, upang suriin ang kakayahan ng modelo sa pagtukoy sa iba’t ibang pen scenarios, binuo ang mga image samples na ipinapakita sa Fig. 1c, kung saan 70 larawan ang pinili para sa d16 at d23.
Sa huli, nakakuha ng 700 larawan na random na hinati sa training at testing sets na...
