Узнайте о решении Quantum для автоматического мониторинга, отслеживания и взвешивания скота.
О клиенте
Клиент — израильский стартап, разрабатывающий программное обеспечение на основе компьютерного зрения для точного мониторинга и оптимизации роста скота.
Бизнес-вызов
Сельское хозяйство в Израиле — высокоразвитая отрасль. Поскольку география страны естественным образом не подходит для этого, Израиль был вынужден творчески подойти к вопросу об эффективности использования природных ресурсов. Сегодня страна является лидером в области сельскохозяйственных технологий и животноводства. Как часть сельскохозяйственного сектора животноводство имеет первостепенное экономическое и социальное значение.
Наш клиент хотел создать решение, которое давало бы фермерам советы по достижению оптимального поголовья скота и автоматически управляло бы поголовьем в режиме реального времени. Предлагаемое решение также должно обеспечивать автоматический мониторинг, отслеживание и взвешивание поголовья, тем самым ускоряя процесс измерения, облегчая человеческий труд и снижая затраты фермы.
Обзор решения
Компания Quantum создала облачную платформу мониторинга свиноферм в режиме реального времени, которая выявляла, классифицировала и определяла поголовье скота.
Мы разработали:
- алгоритмы подготовки данных, обработки и обработки изображений
- алгоритмы оптимизации для оценки параметров
- алгоритмы прогнозирования результатов
Решением стала веб-служба, которая подключается к серверам фермы, запускает алгоритм классификации животных в режиме реального времени и получает прямую трансляцию с камер на ферме.
Данные по беспроводной сети отправляются в облако, где начинается обработка изображений: обнаружение, идентификация и взвешивание свиней. Все результаты сохраняются в базе данных. Этот подход идеально подходит для фермеров, которым больше не нужно ждать часами или целыми днями, чтобы измерить и сравнить данные о своем скоте.
Решение также может отслеживать отклонения в популяции животных и помогает более точно управлять процессом роста, экономя деньги и сокращая потери фермы.
Описание проекта
Команда Quantum использовала машинное обучение для прогнозирования, категоризации, классификации и измерения животных на основе заданных наборов данных прямой трансляции с камер на фермах.
Конвейер решения был следующим:
- обнаружение и идентификация идентификационных меток;
- обнаружение свиней с помощью экземплярной сегментации NN;
- связывание обнаруженных меток и свиней; фильтрация результатов и выбор лучшего;
- идентификация частей тела свиньи (тело, голова, ноги) с использованием семантической сегментации NN;
- прогнозирование веса свиней с использованием нелинейной регрессии с выходом предыдущего шага в качестве входных данных модели.
Технологические подробности
Компания Quantum должна была создать быстрый и масштабируемый веб-сервис с исключительной масштабируемостью. Команда использовала Python для простой разработки асинхронных API и имеет полный спектр библиотек ML, DL и CV.
Весь конвейер позволяет нам обрабатывать один кадр в секунду. Прототип был разработан с использованием FullHD-камер с широким углом обзора. Обработка выполнялась в облаке с использованием сервиса AWS SageMaker и Tensorflow. Для обработки используется графический процессор NVidia M60. При разработке решения для каждой задачи использовалась современная модель (Mask-R CNN и настроенная UNet). Раздельная сегментация тела, головы и хвоста уменьшила погрешность взвешивания на 5%.
Технологии: Python, TensorFlow, Keras, OpenCV, Scikit-learn, Flask.
Запланируйте сеанс DDIChat в разделе Кодирование, программное обеспечение и разработка мобильных устройств:
Подайте заявку на участие в программе DDIChat Expert здесь.
Работайте с DDI: https://datadriveninvestor.com/collaborate
Подпишитесь на DDIntel здесь.