Desenvolupament d’una xarxa neuronal profunda per la ramaderia de precisió

Abstract

L’arribada de les tecnologies de la informació i la comunicació a la ramaderia permet l’adquisició de dades directament a les granges, i el seu processament per a convertir-les en informació útil per a la presa de decisions sobre el maneig a realitzar. En aquest context, les granges actuals tendeixen a incrementar el nombre d’animals per treballador, al temps que el benestar animal és cada dia més rellevant. Els animals, en funció de la seva edat, estat fisiològic, i altres factors, dediquen una sèrie d’hores més o menys determinades a descansar, menjar, beure, interactuar.... És el que s’anomena el seu ”pressupost diari del temps”. Quan un animal o un grup, es desvia significativament del seu ”pressupost horari” pot ser indicatiu d’un problema. En quest projecte ens centrarem en la detecció d’animals i persones per a posteriorment veure com afecta la presència de persones al comportament de cada porc, és a dir, l’efecte dels factors externs al comportament dels animals. Es partirà d’una arquitectura CNN (Convolutional Neural Network) pre-entrenada per la detecció d’objectes, la YOLOv4, i es modificaran les darreres capes d’aquesta xarxa neuronal per detectar porcs i persones. Inicialment només es disposava d’una base de dades que contenia exclusivament porcs i una altra que contenia només persones. Posteriorment s’han obtingut imatges on hi ha la presència tant de porcs com a persones per a poder fer proves amb ambdues

The arrival of information and communication technologies in livestock farming allows the acquisition of data directly on the farms, and their processing to turn them into useful information for making decisions about the handling to be carried out. In this context, the current farms tend to increase the number of animals per worker, while animal welfare is becoming more relevant every day. The animals, depending on their age, state physiological, and other factors, dedicate a series of more or less determined hours to rest, eat, drink, interact.... This is what is called their "daily time budget". When an animal or a group deviates significantly from its "hourly budget" it can be indicative of a problem. In this project we will focus on the detection of animals and people for later see how the presence of people affects the behavior of each pig, that is to say, the effect of external factors on the behavior of the animals. It will be based on a CNN architecture (Convolutional Neural Network) pre-trained for object detection, the YOLOv4, and es they will modify the last layers of this neural network to detect pigs and people. Initially there was only one database that contained exclusively pigs and one another that contained only people. Subsequently, images were obtained where there is the presence of both pigs and people in order to be able to carry out tests with both