| Abstract: | V diplomski nalogi smo s pomočjo strojnega učenja na pricipu Mask-RCNN poskušali doseči digitalno detekcijo prašičev, ki bi pripomogla k izboljšanju njihovega dobrega počutja in udobja. Cilj je bil doseči čim višji odstotek natančnosti pri digitalni prepoznavi celotnega telesa, glave in repa. Predvidevali smo, da bo preciznost najvišja pri detekciji telesa in nižja pri detekciji glave in repa in da bo rep najtežje zaznati, preciznost tega razreda pa bo posledično najnižja. Prav tako smo sklepali, da bo razlika v preciznosti in odpoklicu manjša od 10 % med detekcijo človeka in detekcijo računalnika. V Dropboxu smo selektivno izbrali slike, ki so bili posnetki zaslona 400 urnega videa. Posnetke smo posneli z desetimi 2D kamerami (Samsung SCO-2080RN, 811x508P, 161 Samsung Techwin Co., Ltd., Gyeonggi135 do, Korea). Naredili smo zbirko slik, v velikost 1,1 GB. Primarni izbor je temeljil na dobri vidljivosti in kakovosti video posnetkov, dobri osvetlitvi, ozadju in številu prašičev na sliki. Kot smo predvideli je detekcija telesa predstavljala najvišje rezultate, saj je segmentacija glave in repa prinesla nekoliko nižjo preciznost. Kot smo predvideli je detekcija telesa predstavljala najvišje rezultate, saj je segmentacija glave in repa prinesla nekoliko nižjo preciznost. Razlika med preciznostjo in odpoklicem je znašala 10% pri detekciji telesa, pri detekciji glave in repa pa je bila višja od 10%. Preciznost detekcije telesa je znašala 96%, saj je celotno telo lažje zaznati kot posamezno enoto. Rezultat preciznosti detekcije glave je znašal 66%. Odstotek je nekoliko nižji, ker so prašiči velikokrat tesno skupaj in jih računalnik med seboj težko prepozna. Preciznost detekcije repa je predstavljala 77%, kar je v primerjavi z odstotkom preciznosti detekcije glave velika razlika za katero je možnih več različnih faktorjev kot so število živali v boksu, kvaliteta slike, svetloba, pigmentacija telesa prašiča in ozdaja ter pozicija telesa. Uporaba strojnega učenja v živinoreji bi lahko bilo potenicalno uporabno orodje za odkrivanje dobrega počutja pri prašičih, saj bi hitreje in lažje zmanjšali frekvenco agresivnega vedenja in posledično število poškodb. V prihodnosti želimo svoj model nadgraditi, da bi dosegal večjo preciznost tudi pri detekciji glave in repa. Ko bo računalnik jasno zaznal vse prašiče na sliki, bomo poskušali model nadgradili tako, da bo zaznal različne oblike vedenj. Ta tehnologija bi olajšala ocenjevanje welfare-a, ki bi ga po potrebi bili primorani izboljšati. |
|---|
