Применение технологий детекции и трекинга объектов в свиноводстве

Август 8, 2022

Главная
Разное
Применение технологий детекции и трекинга объектов в свиноводстве

Содержание

2. Компьютер может собирать данные круглые сутки, что позволяет получить подробную статистику по каждой свинье. В таком
3. Актуальность Выход статей по автоматизации животноводства при помощи технологий искусственного интеллекта С каждым годом увеличивается точность
4. Цели и задачи работы Исследование подходов применения детекции и трекинга объектов на изображении Исследование архитектуры YOLOv5
5. Данные 5 Edinburgh Pig Behavior Video Dataset Вручную аннотированные 7200 кадров 16 базовых классов активности
6. Данные 5 Распределение оригинальных классов Распределение классов после объединения
7. Пайплайн 5
8. Детектор YOLOv5 7 Архитектура сети YOLOv5
9. Трекер Deep SORT 7 Алгоритм Deep SORT
10. Эксперимент 10 Приведение набора данных к нужному формату Объединение классов и применение маски к загону Найдены
11. Результат 11 5760/1440 train/test split
12. Выводы эксперимента 12 Проблемы датасета, дисбаланс Дальнейшие эксперименты: Обучить детектор только на поиск свиньи, а определение
13. Сервис 12
14. Сервис 12
15. Дальнейшие планы 12 Доработать демонстрационный сервис Показать представителям индустрии Взаимное сотрудничество: cбор датасета, апробация решений
17. Скачать презентацию

Слайд 2

Компьютер может собирать данные круглые сутки, что позволяет получить подробную статистику

по каждой свинье. В таком массиве данных можно находить нужные зависимости и аномалии, которые позволят выявить на начальной стадии различные заболевания.

Идея

Слайд 3

Актуальность
Выход статей по автоматизации животноводства при помощи технологий искусственного интеллекта
С

каждым годом увеличивается точность и скорость детектирования объектов

Слайд 4

Цели и задачи работы
Исследование подходов применения детекции и трекинга объектов на

изображении
Исследование архитектуры YOLOv5
Подготовка модели и данных.
Обучение и тесты, создание демонстрационного сервиса

Слайд 5

Данные
5
Edinburgh Pig Behavior Video Dataset
Вручную аннотированные 7200 кадров
16 базовых классов активности

Слайд 6

Данные
5
Распределение оригинальных классов
Распределение классов после объединения

Слайд 7

Пайплайн
5

Слайд 8

Детектор YOLOv5
7
Архитектура сети YOLOv5

Слайд 9

Трекер Deep SORT
7
Алгоритм Deep SORT

Слайд 10

Эксперимент
10
Приведение набора данных к нужному формату
Объединение классов и применение маски к

загону
Найдены оптимальные параметры тренировки
Сеть обучена и протестирована
Добавлен Deep SORT трекинг и протестирован

Слайд 11

Результат
11
5760/1440 train/test split

Слайд 12

Выводы эксперимента
12
Проблемы датасета, дисбаланс
Дальнейшие эксперименты:
Обучить детектор только на поиск свиньи, а

определение активности осуществлять при помощи классификатора
Обучить детектор только на поиск свиньи, собрать несколько кадров свиньи в серию снимков и классифицировать активность по полученному ролику
Идентифицировать свинью для сбора индивидуальной статистики

Слайд 13

Сервис
12

Слайд 14

Сервис
12

Слайд 15

Применение технологий детекции и трекинга объектов в свиноводстве

Содержание

Компьютер может собирать данные круглые сутки, что позволяет получить подробную статистику

АктуальностьВыход статей по автоматизации животноводства при помощи технологий искусственного интеллекта С

Цели и задачи работыИсследование подходов применения детекции и трекинга объектов на

Данные5Edinburgh Pig Behavior Video DatasetВручную аннотированные 7200 кадров16 базовых классов активности

Данные5Распределение оригинальных классов Распределение классов после объединения

Пайплайн5

Детектор YOLOv57Архитектура сети YOLOv5

Трекер Deep SORT7Алгоритм Deep SORT

Эксперимент10Приведение набора данных к нужному форматуОбъединение классов и применение маски к

Результат115760/1440 train/test split

Выводы эксперимента12Проблемы датасета, дисбалансДальнейшие эксперименты:Обучить детектор только на поиск свиньи, а

Сервис12

Сервис12

Дальнейшие планы12Доработать демонстрационный сервисПоказать представителям индустрииВзаимное сотрудничество: cбор датасета, апробация решений

Похожие презентации

Актуальность
Выход статей по автоматизации животноводства при помощи технологий искусственного интеллекта
С

Цели и задачи работы
Исследование подходов применения детекции и трекинга объектов на

Данные
5
Edinburgh Pig Behavior Video Dataset
Вручную аннотированные 7200 кадров
16 базовых классов активности

Данные
5
Распределение оригинальных классов
Распределение классов после объединения

Пайплайн
5

Детектор YOLOv5
7
Архитектура сети YOLOv5

Трекер Deep SORT
7
Алгоритм Deep SORT

Эксперимент
10
Приведение набора данных к нужному формату
Объединение классов и применение маски к

Результат
11
5760/1440 train/test split

Выводы эксперимента
12
Проблемы датасета, дисбаланс
Дальнейшие эксперименты:
Обучить детектор только на поиск свиньи, а

Сервис
12

Сервис
12

Дальнейшие планы
12
Доработать демонстрационный сервис
Показать представителям индустрии
Взаимное сотрудничество: cбор датасета, апробация решений