Ни для кого не секрет, что на птицефермах необходим регулярный контроль роста и веса куриц. Однако следить за этим ежедневно не всегда получается. Да и любой работник фермы скажет, что вручную взвешивать кур нельзя: слишком нервный процесс для самих птиц. Именно для того, чтобы облегчить работу птицефермы, наша компания «МИРП-ИС» предлагает Вам основы прогнозирования веса курицы с помощью depth map.
Для решения задачи был применен новый тип сенсора : depth map. С помощью сенсора глубины (дальности) можно понять, как данные кодировать в числах. В нашем случае, числа представлены в пикселях. Соответственно, чем ярче объект, тем он ближе.
Получение такой трехмерной карты в режиме реального времени позволяет: — проще, чем в работе с оптическим изображением, сегментировать кур, то есть отличить одну тушку от другой (обвести контурами) — измерить форму курицы, описав ее некоторыми характеристиками. Чем же depth map лучше обычной камеры? Наш сенсор позволяет видеть куриц гораздо лучше, чем с помощью обычной камеры. Более того, стало проще выделять птиц визуально, зная размер и высоту. На простом изображении сделать это практически невозможно.
Вариант 2D
Depth map
Есть еще один важный пункт, по которому сенсор глубины (дальности) «выигрывает» у камеры: для depth map освещение не играет никакой роли. В то время как обычная камера весьма капризна: в помещение должно быть не слишком ярко, чтобы не было засветок, и не слишком темно. На фотографиях, представленных выше, видно, что цыплята желтые. Да, линейный размер камера нам предоставит, но высоту никак не подскажет.
Почему нейронные сети?
Поставленная перед нами задача трудно формализуемая, т.к. курицы живые существа: то кивают головой, то машут крыльями, то сидят, то стоят, то поворачиваются разными сторонами. По этой причине детерминированный алгоритм достаточно сложно написать. Как из наблюдаемой формы вычислить массу? Поэтому решение этой задачи было поручено нейронным сетям.
С чего все начиналось и как это работает?
Началом реализации проекта стала обучающая выборка на Малазийской куриной ферме: были установлены сенсор глубины (дальности) и взвешивающая платформа. Весы измеряли настоящую массу куриц, когда они ступали на них, а сенсор, в свою очередь, собирал информацию о трехмерной форме птиц.
1.Начальная карта
2.Предобработка ( одноканальный режим)
-
отсутствует вес птиц
-
посторонние предметы
3.Предобработка ( отфильтрованная карта )
4.Анализ
-
подходящие птицы, стоящие на взвешивающей платформе
-
птицы, которых можно было использовать для взвешивания, если бы они стояли на платформе
Обязательными критериями обучающей выборки также являются признаки, по которым курицы характеризуются (например, на картинке овал – характеристика ). Однако здесь есть подводные камни. Например, курица может сесть. Тогда размер овала может измениться, но при этом масса курицы останется прежней. Поэтому нейронная сеть сама определяет другие характеристики, благодаря которым все эти неоднозначности можно устранить.
5.Сопоставление данных взвешивающей платформы и изображения
-
соответствие между картой глубин и записями в показании весов
-
дата и время с точностью до миллисекунды
6.Распределение общего веса на каждую курицу
-
результат: значение веса присваивается к каждой птице в соответствии с ее размером
-
общий вес
Нейронная сеть сама понимает зависимость между признаками и весом курицы. В результате строит сложные зависимости внутри себя, основываясь на наблюдениях.
Какова цель?
Цель разработки научить нейронные сети определять вес птиц без весов, то есть только за счет сенсора. Больше не будет необходимости взвешивать каждую курицу отдельно: благодаря depth map можно определить вес всей популяции.
Данная разработка поможет контролировать производство на птицефабриках, а также вовремя определять качество корма и болезни куриц. Более того, данные могут служить специалистами птицефермы для выводов о текущем состоянии популяции. В частности, сравнивается масса куриц с той массой, которая птица должна иметь на данный день ее существования.
Что дальше?
После окончания обучения системы можно работать без весов. Сенсор будет снимать трехмерные признаки куриц, «прогонять» их через нейронную сеть и на выходе выдавать оценку массы куриц. Птицы заходят в поле зрения сенсора, и нейронные сети вычисляют массу каждой курицы и усредняют. В итоге система выдает распределение: какая средняя масса кур и каков разброс.
Схема работы финальной версии устройства:
-
Начальная карта
-
Предобработка, как в обучающей выборке
-
Выделение всех птиц, находящихся в поле зрения сенсора
-
Вычисление сигнатуры
-
Передача данных на модель
-
Оценка параметров
-
Статистическое распределение (получение наиболее вероятной массы)
Перспективы проекта
Данный проект имеет большие перспективы, так как его можно перенести не только на куриц, но и на других животных и птиц: свиней, индюшек и уток.
Статус проекта
Идет испытание экспериментального образца. Финальная версия устройства планируется во второй половине 18 года.
