Azzopardi, thuộc nhóm nghiên cứu Hệ thống thông tin tại Viện Toán học, Khoa học Máy tính và Trí tuệ Nhân tạo Bernoulli thuộc Đại học Groningen, Hà Lan, đã làm việc trong nhiều năm với dự án cải thiện quản lý chăn nuôi bằng cách phát triển các công cụ hệ thống thông minh mới.Ý tưởng là cần phát triển một phương pháp có thể xác định từng cá thể động vật dựa trên hình dáng trực quan của chúng thay vì thông qua việc sử dụng các cảm biến gắn trên bò.

Nhiệt độ

Azzopardi giải thích: “Các hệ thống hiện tại dựa vào vòng cổ hoặc thẻ RFID để xác định bò ở các vị trí cụ thể trong trang trại. Việc quản lý các vòng cổ RFID như vậy và chỉ ra hạn chế của phương pháp này là một thách thức. Chúng tôi muốn nghiên cứu tiềm năng của một phương pháp tiếp cận không xâm lấn và hoàn toàn dựa vào thông tin hình ảnh được máy ảnh ghi lại”.

Ý tưởng này đã được hiện thực hóa với sự cộng tác của Cơ sở chăn nuôi bò sữa Hà Lan ở Leeuwarden, nơi cho phép các nhà khoa học tiếp cận trang trại của họ với 383 con bò Holstein. Điều này giúp các nhà khoa học có thể thu được các dữ liệu cần thiết một cách có hệ thống. Để thu thập hình ảnh, một máy ảnh nhiệt được sử dụng có thể chụp một cặp hình ảnh trong một lần chụp nhanh; một hình ảnh hồng ngoại cho biết nhiệt độ tại hiện trường và một hình ảnh màu thông thường. Hai hình ảnh sau đó được xử lý bằng một đường ống dựa trên trí tuệ nhân tạo.

Bước đầu tiên trong phân tích là phân biệt con bò với môi trường xung quanh. Azzopardi giải thích: “Điều này đạt được bằng cách sử dụng hình ảnh nhiệt, cùng với các kỹ thuật xử lý hình ảnh cơ bản, cung cấp đường nét của con bò. Bước thứ hai là phác thảo đường viền trên mặt của con bò. Đối với bước này, các nhà khoa học đã điều chỉnh thuật toán CORF lấy cảm hứng từ não với thành phần ức chế kéo đẩy mà Azzopardi đã phát triển cùng với các cộng tác viên khác trong những năm trước. Thuật toán CORF rất mạnh trong việc phát hiện các đường bao trong các vùng nhiễu. Thuật toán này đóng vai trò quan trọng trong việc đạt được tỷ lệ nhận dạng rất cao”.

Cơ sở dữ liệu

Azzopardi cho biết: “Tại thời điểm nghiên cứu, bộ dữ liệu điểm chuẩn hiện có rất nhỏ và hạn chế. Do đó, các thỏa thuận đã được thực hiện với Cơ sở sữa Hà Lan ở Leeuwarden để thu thập bộ dữ liệu trong vòng 9 ngày làm việc. Đầu tiên, Amey xác định một vị trí thích hợp để gắn camera có tầm nhìn tốt về những con bò khi chúng ra khỏi trạm vắt sữa và sau đó dành chín ngày để thu thập dữ liệu hình ảnh từ cùng một vị trí cố định. Tổng cộng, chúng tôi đã có được 3.694 bức ảnh nhiệt/màu được ghép nối của 383 con bò Holstein khác nhau”. 

Trạm vắt sữa được chọn vì nó cung cấp một kịch bản thực tế trong đó việc xác định bò là rất quan trọng để chỉ định ID bò chính xác cho dữ liệu thu thập được từ rô bốt vắt sữa (ví dụ: khối lượng sữa, protein hoặc chất béo).

Triển vọng

Bằng các thí nghiệm có hệ thống, các nhà nghiên cứu đã chứng minh rằng phương pháp đề xuất của họ đã đạt được tỷ lệ nhận biết là 99,7%. Azzopardi nói: “Điều này cho thấy cách tiếp cận của chúng tôi rất hứa hẹn. Những con bò duy nhất không được công nhận là bò Holstein có bộ lông màu đen hoặc trắng đồng nhất”.

Trong nghiên cứu của mình, các nhà khoa học suy đoán rằng một thách thức như vậy có thể được giải quyết bằng cách đưa vào các máy ảnh khác có thể chụp các góc nhìn khác nhau của con bò (ví dụ: mặt, phía trên và phía sau) và sau đó phát triển một phương pháp tổng hợp lấy đầu vào từ tất cả các góc nhìn. Một hệ thống với thiết lập đa kênh như vậy cũng có thể hiệu quả trong việc nhận biết các trường hợp khó. Toàn bộ quá trình triển khai và tập dữ liệu đã được cung cấp trong kho lưu trữ công cộng.

Azzopardi giải thích rằng có một số lợi thế trong việc sử dụng hình ảnh thay vì thẻ RFID hoặc vòng cổ để xác định bò. Đầu tiên, phương pháp này không xâm lấn và do đó, tốt hơn cho động vật. Thứ hai, phương pháp này rẻ hơn, vì nông dân không phải mua và quản lý vòng cổ hoặc thẻ. Và thứ ba, nó có khả năng mở rộng về mặt chức năng và tài chính: nếu số lượng gia súc trong một trang trại tăng lên, thì không cần thêm vòng cổ. Bạn sẽ chỉ cần một vài hình ảnh về những con bò mới và sử dụng chúng để cập nhật các thông số của mô hình phân loại tương ứng.