เนื้อหาดูได้ที่:
English (อังกฤษ) Indonesia (อินโดนีเซีย) Melayu (Malay) Tiếng Việt (เวียดนาม) Philipino (ฟิลิปปินส์)
บทนำ

ในปัจจุบัน ฟาร์มเลี้ยงไก่เนื้อในสหรัฐอเมริกามีจำนวนไก่เนื้ออยู่ประมาณ 20,000 ถึง 30,000 ตัว ซึ่งทำให้เกิดความกังวลในหมู่ประชาชนเกี่ยวกับสวัสดิภาพของสัตว์
โดยเฉพาะอย่างยิ่งในเรื่องการประเมิน สวัสดิภาพและการเจริญเติบโตของไก่ที่ต้องทำทุกวัน โดยเฉพาะอย่างยิ่งในเรื่องการประเมินสวัสดิภาพและการเจริญเติบโตของไก่ที่ต้องทำทุกวัน ซึ่งกระบวนการนี้มักใช้แรงงานคนและมีความเสี่ยงต่อข้อผิดพลาดจากการปฏิบัติงานของมนุษย์ ดังนั้น จึงมีความจำเป็นอย่างยิ่งในการนำเทคโนโลยีอัตโนมัติเข้ามาช่วยในการตรวจจับและวิเคราะห์พฤติกรรมของไก่ เพื่อคาดการณ์สถานะสวัสดิภาพของพวกมัน
เทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) ได้รับการยอมรับว่าเป็นเครื่องมือที่มีประสิทธิภาพสูงในการจัดการข้อมูล มีความรวดเร็วในการประมวลผล และสามารถจัดการกับปัญหาที่เกิดจากการรบกวนภายนอกได้อย่างมีประสิทธิภาพ
ดังนั้น อัลกอริธึมการเรียนรู้ลึก จึงเป็นโมเดลที่เหมาะสมอย่างยิ่งสำหรับการพัฒนาเครื่องมืออัตโนมัติที่มีประสิทธิภาพและความชาญฉลาดในด้านการเกษตรสัตว์ที่แม่นยำ
อย่างไรก็ตาม ขนาดของไก่และจำนวนมากที่เลี้ยงในฟาร์มเดียวกันกลับกลายเป็นอุปสรรคในการนำเทคนิคการเรียนรู้ลึกมาใช้เพื่อตรวจสอบไก่แต่ละตัวอย่างมีประสิทธิภาพ
ในการศึกษานี้ เราได้ทำการรวมโมดูลการให้ความสนใจในบล็อกคอนโวลูชัน (Convolutional Block Attention Module: CBAM) เข้ากับ YOLOv5 เพื่อเพิ่มประสิทธิภาพในการสกัดคุณลักษณะจากภาพถ่ายให้ดียิ่งขึ้น.

วิธีการ

การศึกษานี้ดำเนินการในฟาร์มไก่เนื้อทดลองที่ ศูนย์วิจัยสัตว์ปีกแห่งมหาวิทยาลัยจอร์เจีย เอเธนส์ สหรัฐอเมริกา
โดยมีการติดตั้งกล้องความคมชัดสูง (รุ่น PRO-1080MSFB จาก Swann Communications) บนเพดานที่มีความสูงจากพื้นประมาณ 2.5 เมตร เพื่อบันทึกวิดีโอที่มีความละเอียด 1440 พิกเซล × 1080 พิกเซล และความเร็ว 15 เฟรมต่อวินาที
ในการศึกษาครั้งนี้ ได้เลือกใช้ฟางรองพื้นสองประเภท ได้แก่ ฟางไม้สนใหม่ และฟางที่เคยใช้เลี้ยงไก่เนื้อในสามฝูง โดยฟางที่นำกลับมาใช้ใหม่จะถูกนำมาใช้เป็นฉากในการตรวจจับไก่เนื้อ สำหรับการเก็บข้อมูลในสองฉากนี้ ได้มีการเลือกภาพจำนวน 70 รูปจากวันที่ 2, 9, 16 และ 23 รวมเป็นทั้งหมด 560 รูปภาพ ซึ่งจะใช้ในการวิเคราะห์และศึกษาต่อไป

รูปที่ 1. ตัวอย่างของภาพไก่เนื้อจากฉากที่แตกต่างกัน
ก. ภาพไก่เนื้อจากพื้นฟางไม้สนใหม่ ข. ภาพไก่เนื้อจากพื้นฟางรองพื้นที่นำกลับมาใช้ใหม่   
นอกจากนี้ เพื่อประเมินประสิทธิภาพในการตรวจจับของโมเดลในหลากหลายสถานการณ์ของคอกไก่ เราได้สร้างภาพตัวอย่างตามที่แสดงในรูปที่ 1 ข โดยเลือกภาพจำนวน 70 รูปจากวันที่ 16 และวันที่ 23

สุดท้าย เราได้ใช้ภาพทั้งหมด 700 รูป ซึ่งถูกแบ่งออกเป็นชุดฝึกและชุดทดสอบอย่างสุ่มในอัตราส่วน 5:2
ภาพที่ 1 แสดงตัวอย่างของภาพไก่เนื้อจากสถานที่ต...

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus non massa sit amet risus commodo feugiat. Quisque sodales turpis sed felis scelerisque, et luctus sapien facilisis. Integer nec urna libero. Sed vehicula venenatis lorem. Aenean fringilla dui non sapien pulvinar, sed tincidunt turpis tempus. Cras non nulla velit.

🔒 เนื้อหาเฉพาะสำหรับผู้ใช้ที่ลงทะเบียน.

ลงทะเบียนฟรีเพื่อเข้าถึงโพสต์นี้และเนื้อหาเฉพาะทางอื่น ๆ อีกมากมาย ใช้เวลาเพียงหนึ่งนาทีและคุณจะสามารถเข้าถึงได้ทันที

เข้าสู่ระบบ

ลงทะเบียนได้ที่ aviNews

ลงทะเบียน
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus non massa sit amet risus commodo feugiat. Quisque sodales turpis sed felis scelerisque, et luctus sapien facilisis. Integer nec urna libero. Sed vehicula venenatis lorem. Aenean fringilla dui non sapien pulvinar, sed tincidunt turpis tempus. Cras non nulla velit.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus non massa sit amet risus commodo feugiat. Quisque sodales turpis sed felis scelerisque, et luctus sapien facilisis. Integer nec urna libero. Sed vehicula venenatis lorem. Aenean fringilla dui non sapien pulvinar, sed tincidunt turpis tempus. Cras non nulla velit.