I projektet 鈥滱I i grisningsstallet och grishyddan 鈥� f枚rb盲ttrad v盲lf盲rd f枚r sugga och sm氓grisar med automatisk 枚vervakning鈥� har forskare d盲rf枚r tittat p氓 utmaningar och m枚jligheter med automatisk video枚vervakning av grisar. Sammantaget visar f枚rs枚ket att det finns flera praktiska utmaningar som m氓ste hanteras f枚r att 枚vervakningen skall fungera. Kostnaderna f枚r utrustning 盲r d盲remot l氓ga och utvecklingen inom AI inneb盲r att det kostnadseffektivt g氓r att tr盲na AI-modeller f枚r 枚vervakning f枚rutsatt att kamerainstallationen blir stabil och ljusf枚rh氓llandena 盲r l盲mpliga. F枚r att en installation skall bli framg氓ngsrik kr盲vs d盲rf枚r att installationen sker p氓 ett s氓dant s盲tt att kunskap b氓de om arbete i stallmilj枚n och teknisk installationskompetens tillvaratas. Det 盲r i dagsl盲get sv氓rt att p氓 f枚rhand veta hur mycket tr盲ning p氓 plats som kr盲vs f枚r att video枚vervakningen skall kunna ske med l氓g felfrekvens p氓 de stallplatser som 枚vervakas. Det skulle d盲rf枚r vara v盲rdefullt om fler installationer i olika milj枚er dokumenterades och genomf枚rdes samt att 枚ppna AI-modeller f枚r identifikation av lantbruksdjur togs fram.
Utrustning
Studien genomf枚rdes i SLUs f枚rs枚ksbes盲ttning vid L枚vsta Forskningscentrum i Uppsala. Kameror (Dahua WizMind 5 Series) monterades i taket ovanf枚r tre grisningsboxar i tv氓 olika grisningsstallar. Suggorna filmades fr氓n ins盲ttning i boxen (c:a en vecka innan ber盲knad grisning) med maximal frame rate (50/60 fps) och sekvenser av film sparades ner i perioder om tv氓 timmar per omg氓ng spritt 枚ver dygnet. Ut枚ver detta anv盲ndes 盲ven tidigare insamlat filmmaterial fr氓n l枚sdriften f枚r dr盲ktiga suggor. Filmsekvenserna analyserades i samarbete med personal och sommarjobbare vid SAAB Logistics i Link枚ping.
I projektet anv盲ndes den 枚ppna modellen YOLOv8, som 盲r en modell f枚r djupinl盲rning och detektering av objekt i realtid. Modellen anv盲nds bland annat i video枚vervakning och bygger p氓 teknik f枚r datorseende och maskininl盲rning f枚r att identifiera objekt. Modellen har ett 80-tal objekt som den 盲r tr盲nad att kunna uppt盲cka 鈥� gris 盲r inte ett av dessa men modellen kunde trots detta hitta alla suggor i 90% av videosekvenserna. En egen YOLO-modell f枚r detektion av grisar tr盲nades med 1000 bilder fr氓n studien och bilderna finns nu tillg盲ngliga p氓 som 盲r en plattform f枚r att dela data och AI-modeller. F枚rs枚k genomf枚rdes 盲ven med en Intel Realsense djupkamera.
Resultat
Att installera kameror f枚r 枚vervakning av gris st盲ller h枚ga krav p氓 installationen. I f枚rs枚ket med takmonterade kameror ovanf枚r grisningsboxarna innebar vibrationer i taket att kamerans egna r枚relser gjorde det sv氓rt f枚r modellen att detektera grisarnas andningsr枚relse som t盲nkt. Det anv盲ndbara datamaterialet begr盲nsades d盲rf枚r till det filmmaterial som filmats med GoPro-kameror. Den egna modellen tr盲nades med ett 1000-tal bilder d盲r grisar i olika positioner och fr氓n olika vinklar markerades och identifierades f枚r att skapa ett tr盲ningsdataset. Den minsta rekommendationen f枚r ett annoterat bildmaterial som anv盲nds f枚r modelltr盲ning i den h盲r typen av milj枚 盲r 1500 och det 盲r sannolikt att modellen hade fungerat b盲ttre om mer material funnits tillg盲ngligt. Trots detta 枚vertr盲ffade den anpassade YOLO-modellen i flera situationer den generella modell som kunde identifiera alla suggor i 90 % av videosekvenserna, vilket visar p氓 v盲rdet med anpassade modeller f枚r det djurslag som skall studeras.
M盲tning av andningsfrekvens p氓 suggorna som detekterades i filmerna fungerade relativt bra men st盲ller h枚ga krav p氓 bildkvalitet. F枚rutom problemet med vibrationer i taket p氓verkade suggan och sm氓grisarnas r枚relser m枚jligheterna till bra m盲tningar 鈥� kroppsr枚relser och r枚relser som uppst氓r n盲r sm氓grisarna diar gjorde att algoritmen inte kunde skilja p氓 vad som var andningsr枚relser och vad som var r枚relser orsakade av t.ex. sm氓grisarnas juvermassage, vilket en modell m氓ste tr盲nas f枚r att hantera. Suggorna andades 盲ven n氓got oj盲mnt, vilket gjorde att r枚relserna ibland var sv氓ra att identifiera med blotta 枚gat. Dock kunde algoritmen identifiera andning p氓 de flesta grisarna, fr氓n bildmaterial som h枚ll tillr盲ckligt h枚g kvalitet och visade aktiviteter som modellen tr盲nats f枚r.
Vi provade 盲ven att uppskatta andningsr枚relser med en djupkamera (Intel Realsense). En djupkamera kan identifiera formerna av ett objekt och hur l氓ngt fr氓n enheten det befinner sig. Djupkameran gav mycket bra resultat p氓 m盲tningar i labbmilj枚 f枚r andra djur men d氓liga resultat p氓 filmmaterial fr氓n suggstallarna p氓 grund av f枚r mycket brus. Det 盲r m枚jligt att resultaten hade kunnat bli n氓got b盲ttre om vi kunnat anv盲nda utrustning med b盲ttre djupm盲tare. Stallmilj枚n visade sig dock utmanande p氓 grund av flera faktorer som ljusf枚rh氓llanden, damm och vibrationer. F枚r helt vita grisar var det extra viktigt att f氓 tillr盲cklig kontrast i bildmaterialet f枚r att kunna urskilja strukturer i huden.
Kostnader
Att installera kameror kommer med en grundkostnad f枚r planering, kabeldragning och konfiguration samt en mer r枚rlig del beroende p氓 hur m氓nga kameror som skall installeras och kabeldragningen till enskilda kameror. En viktig erfarenhet fr氓n L枚vsta Forskningscentrum 盲r vikten av att planera kabeldragning och att anv盲nda sig av n盲tverksswitchar f枚r att minimera antalet l氓nga kabeldragningar.
Priset p氓 n盲tverkskameror har fallit kraftigt p氓 senare 氓r samtidigt som anv盲ndarv盲nligheten har 枚kat. I grisf枚rs枚ket anv盲ndes kameror fr氓n Dahua, d氓 komponentbrist begr盲nsade urvalet och installat枚ren hade god erfarenhet av m盲rket. Baserat p氓 erfarenhet fr氓n kostallarna och i syfte att f枚renkla hantering av h氓rdvara skulle vi d盲remot sannolikt anv盲nda kameror fr氓n Ubiquitis Unifi-sortiment vid n盲sta installation. F枚r en installation kr盲vs en inspelnings/lagringsenhet, switchar f枚r att minimera antalet l氓nga kabeldragningar samt kameror f枚r 枚vervakning. Totalt kan en installation kosta allt mellan 15 000 kr till uppemot 100 000 kr beroende p氓 ambitionsniv氓 och ladug氓rdens utformning.
M氓nga tillverkare s盲ljer 盲ven b氓de kameror f枚r kabel och tr氓dl枚sa kameror med batteri som kommunicerar med WiFi. I stallmilj枚er med fungerade WiFi kan det d盲rf枚r ofta vara en god id茅 att testa att sj盲lv k枚pa en tr氓dl枚s kamera och testa p氓 olika installationsplatser innan fasta installationer genomf枚rs.