مراقبة سلوك الحيوانات باستخدام Ultralytics YOLOv8

وفقًا للأمم المتحدة، سيبلغ عدد سكان العالم 9.8 مليار نسمة بحلول عام 2050. ومع تزايد سكان العالم، نتجه إلى تقنيات متقدمة مثل التعلّم العميق في الزراعة لابتكار حلول زراعية مستدامة. ويمكن لخوارزميات الرؤية الحاسوبية، مثل Ultralytics YOLOv8، أن تحدث فرقًا كبيرًا، ولا سيما في مراقبة سلوك الحيوانات. وتساعد الرؤى المستخلصة باستخدام الرؤية الحاسوبية المزارعين على تحسين أساليب إدارة الماشية ورعايتها. سنستعرض في هذا المقال كيف يمكن لـ YOLOv8 تغيير أساليب مراقبة الحيوانات.

تحسين الرفاهية عبر مراقبة الحيوانات بالرؤية الحاسوبية#

تُعد مراقبة الماشية أمرًا أساسيًا لضمان صحتها. لكن ذلك قد يكون صعبًا نظرًا إلى العدد الهائل من الحيوانات التي يجب مراقبتها والانتباه إليها. وتساعد مراقبة الحيوانات المدعومة بالذكاء الاصطناعي (AI) باستخدام تقنيات الرؤية الحاسوبية المتقدمة لمراقبة سلوك الحيوانات وتحليله. ويمكن لخوارزميات مثل YOLOv8 تتبّع الحيوانات في الوقت الفعلي وتوفير بيانات دقيقة دون الحاجة إلى مستشعرات أو علامات جراحية.

يمكن استخدام هذه التقنية في المزارع وحدائق الحيوان ومرافق الأبحاث للكشف عن العلامات المبكرة للمرض أو التوتر أو الانزعاج، مما يتيح تقديم الرعاية بسرعة أكبر. ويمكننا أيضًا مراقبة عادات التغذية والتفاعلات الاجتماعية ومستويات نشاط الحيوانات. فعلى سبيل المثال، يمكن استخدام لقطات للأبقار وتطبيق الرؤية الحاسوبية لتحديد ما إذا كانت الأبقار واقفة أو جالسة أو تمشي.

الشكل 1. مراقبة سلوك الأبقار ووضعياتها باستخدام Ultralytics YOLOv8.

من خلال مراقبة وضعية البقرة عن كثب، يمكن للمزارع معرفة الكثير عنها. فإذا كانت بقرة تقف أو تمشي عادةً لفترات طويلة، ثم بدأت تجلس أكثر فجأة، فقد يشير ذلك إلى مشكلة صحية. ومن خلال المراقبة المستمرة لسلوك الحيوانات، يمكن للمزارعين التأكد من صحة ماشيتهم والتدخل بسرعة عند ملاحظة أي أمر غير طبيعي. ويمكنهم تهيئة بيئة أكثر صحة وكفاءة للحيوانات، وتحسين رفاهيتها في نهاية المطاف، وخفض تكاليف العمالة.

الذكاء الاصطناعي في مقابل الأساليب التقليدية لمراقبة الحيوانات#

غالبًا ما تعتمد الأساليب التقليدية لمراقبة الحيوانات على الملاحظات اليدوية والمستشعرات الجراحية مثل علامات RFID، التي تستخدم ترددات الراديو لنقل البيانات لاسلكيًا بهدف تحديد الحيوانات وتتبعها. لكن هذه الأساليب قد تستغرق وقتًا طويلًا وتتطلب جهدًا كبيرًا، وقد تسبب أحيانًا توترًا للحيوانات. كما أن هذه العلامات غالبًا ما تكون باهظة الثمن، وقد تسقط بسهولة عن الحيوانات أو تتعرض للكسر. وتؤدي هذه المشكلات إلى خسائر كبيرة للمزارع. فعلى سبيل المثال، فقدت مزرعة في مونتانا بالولايات المتحدة، تضم 17,000 حيوان (جميعها مزودة بعلامات RFID)، نحو 1,000 علامة خلال عام واحد، وفقًا لما ذكره Bryan Elliott، مؤسس 406 Bovine، في مقال نشرته AgUpdate.

في المقابل، توفر حلول الرؤية الحاسوبية لمراقبة الحيوانات نهجًا آليًا غير جراحي ينطوي على فوائد كثيرة. لنفترض أن حيوانًا مصاب بمرض معدٍ، ومن المهم إبقاؤه في الحجر الصحي لمنع انتشار المرض إلى الحيوانات الأخرى. باستخدام الرؤية الحاسوبية، يمكننا مراقبة الحيوان باستمرار دون إزعاجه. كما يمكننا رصد التغيرات في صحته بسرعة وتقديم الرعاية المناسبة إليه في وقت أقصر. ويساعد ذلك أيضًا على التحقق من فعالية العلاجات والتأكد من عدم انتشار المرض إلى بقية القطيع.

الشكل 2. مراقبة الخنازير باستخدام الرؤية الحاسوبية.

إليك بعض الفوائد الرئيسية لاستخدام الرؤية الحاسوبية لتحليل سلوك الحيوانات:

• زيادة دقة اكتشاف العلامات المبكرة للمرض أو التوتر.
• مراقبة مستمرة لا تعطل السلوك الطبيعي.
• خفض كبير في تكاليف العمالة والتشغيل.
• رؤى قابلة للتطبيق تحسّن رفاهية الحيوانات وإنتاجية المزرعة.

كيف يمكن استخدام YOLOv8 لمراقبة سلوك الحيوانات#

يمكنك استخدام YOLOv8 لتتبّع أنماط التغذية والحركة والتفاعلات الاجتماعية وغير ذلك الكثير. ويتفوّق YOLOv8 في تقنيات الرؤية الحاسوبية الأساسية، مثل اكتشاف الأجسام وتتبعها وتقدير الوضعيات.

لنتعرّف على مهام الرؤية الحاسوبية هذه بمزيد من التفصيل:

• اكتشاف الكائنات: يُستخدم اكتشاف الكائنات لتحديد الكائنات المختلفة وتسميتها ضمن صورة واحدة أو إطار فيديو واحد.
• تتبع الكائنات: يُستخدم تتبع الكائنات لمتابعة الكائنات المحددة أثناء تحركها عبر إطارات متعددة في الفيديو.
• تقدير الوضعية: يُستخدم تقدير الوضعية لتحديد المواقع والاتجاهات الدقيقة للكائنات أو أجزاء الجسم في صورة أو فيديو.

الشكل 3. تقدير وضعية نمر باستخدام YOLOv8.

من خلال هذه المهام، يوفر YOLOv8 قدرات قوية لمراقبة سلوك الحيوانات وتحليله. فباستخدام اكتشاف الكائنات، يستطيع YOLOv8 تحديد الحيوانات الفردية في القطيع وتصنيفها لمراقبة أنشطتها. ثم يمكن لتتبع الكائنات باستخدام YOLOv8 متابعة حركة كل حيوان باستمرار بمرور الوقت من إطار إلى آخر.

من خلال الجمع بين ذلك وتقدير الوضعيات، يستطيع YOLOv8 تقديم تحليل مفصّل للحالة الجسدية للحيوان وسلوكه. ويمكن للمزارعين مراقبة مقدار الوقت الذي يقضيه كل حيوان في الأكل أو المشي أو الراحة. ويساعد ذلك على رصد أي تغيّرات سلوكية، مثل انخفاض الحركة أو تغيّر عادات التغذية، التي قد تشير إلى مشكلات صحية.

الشكل 4. مثال على عدّ قطيع من الماعز باستخدام YOLOv8.

لمزيد من التفاصيل حول استخدام YOLOv8 في مهام متنوعة، تفضّل بزيارة أدلة Ultralytics.

يوم في حياة مزارع يستخدم الذكاء الاصطناعي لمراقبة الحيوانات#

لإعطائك فكرة عن مدى تأثير مراقبة الحيوانات بالذكاء الاصطناعي في حياة المزارع، دعنا نستعرض يومًا مدمجًا فيه الذكاء الاصطناعي.

الشكل 5. يمكن للذكاء الاصطناعي تغيير حياة المزارع اليومية.

في الصباح، يمكن للمزارع الاطلاع على نظام مراقبة الحيوانات باستخدام جهاز لوحي. وتكون الكاميرات في الحظيرة والحقول قد حللت الماشية طوال الليل وأعدت تقارير عن صحة كل حيوان وسلوكه ونشاطه. وينبه النظام المزارع إلى بقرة تظهر عليها علامات العرج، ليتمكن من رعايتها سريعًا.

خلال النهار، تراقب أنظمة الرؤية الحاسوبية الحيوانات باستمرار، وتعدّل حصص التغذية الآلية استنادًا إلى الملاحظات الآنية لعادات أكل كل حيوان وحالته الجسدية. ويراقب المزارع القطيع عن بُعد، ويتلقى إشعارات بشأن أي نشاط غير معتاد أو علامات ضيق ترصدها الكاميرات. وفي المساء، يراجع المزارع البيانات للتخطيط لليوم التالي.

يمكن للذكاء الاصطناعي أيضًا مساعدة المزارع على اتخاذ قرارات أفضل من خلال تحليل الاتجاهات والأنماط في البيانات. ويمكن استخدام التعلم الآلي لاقتراح جداول تغذية مثلى، وتحديد المشكلات الصحية المحتملة مبكرًا، بل وحتى التوصية بتغييرات تحسن كفاءة المزرعة وإنتاجيتها عمومًا. ومع ظهور نماذج مثل GPT-4o، أصبح من الممكن أن يكون الذكاء الاصطناعي مساعدًا مفيدًا للمزارع.

الذكاء الاصطناعي في الممارسات البيطرية وما وراءها#

يُحدث رصد الحيوانات باستخدام الرؤية الحاسوبية أثرًا كبيرًا في قطاعات عديدة تتجاوز الزراعة. ففي مجال الحفاظ على الحياة البرية، تساعد هذه التقنية على تتبع الحيوانات ودراسة سلوكها ومنع الصيد الجائر من خلال المراقبة والتنبيهات في الوقت الفعلي. فعلى سبيل المثال، تستخدم المنظمة غير الربحية البريطانية Conservation AI الرؤية الحاسوبية لاكتشاف التهديدات التي تواجه الأنواع المهددة بالانقراض، مثل آكلات النمل الحرشفية ووحيد القرن، في الوقت الفعلي. وتساعد كاميراتها المدعومة بالذكاء الاصطناعي، المنتشرة في أنحاء العالم، المعنيين بالحفاظ على الحياة البرية على التصدي سريعًا للصيد الجائر والأخطار الأخرى. كما تُستخدم نماذج تعلّم الآلة من Google DeepMind لتحليل ملايين الصور من متنزه سيرينغيتي الوطني في تنزانيا بهدف تحديد الحيوانات وعدّها. وتساعد الرؤى المستخلصة من هذه الصور المعنيين بالحفاظ على الحياة البرية على فهم ديناميكيات الأعداد السكانية بصورة أفضل.

الشكل 6. اكتشاف الحيوانات للحفاظ على الحياة البرية.

وبالمثل، تستخدم مرافق الأبحاث الرؤية الحاسوبية لمراقبة سلوك الحيوانات وصحتها بدقة أكبر وبطريقة أقل تدخّلًا. ويمكن للباحثين جمع بيانات ورؤى قيّمة لوضع استراتيجيات أفضل للحفاظ على الطبيعة. وفي مجال رعاية الحيوانات الأليفة، تعمل أدوات مراقبة الصحة المدعومة بالذكاء الاصطناعي والمنتجات الذكية، مثل مغذّيات الحيوانات الآلية والألعاب التفاعلية، على تحسين رفاه الحيوانات الأليفة وتفاعلها.

تستخدم حدائق الحيوان وأحواض الأسماك الرؤية الحاسوبية لمراقبة رفاه الحيوانات واكتشاف علامات المرض أو الإجهاد وتحسين تجربة الزوار من خلال المعروضات التفاعلية. ويمكن للذكاء الاصطناعي في الممارسات البيطرية المساعدة على مراقبة صحة الحيوانات بفعالية أكبر، ما يؤدي إلى تحسين التشخيص والعلاج. وفي نقل الحيوانات، تساعد الرؤية الحاسوبية على ضمان سلامتها من خلال مراقبة مستويات الإجهاد وضمان الامتثال للوائح. عمومًا، تتيح مراقبة الحيوانات المدعومة بالذكاء الاصطناعي رعاية أفضل لها في هذه القطاعات.

التحديات المرتبطة بتتبّع الحيوانات المدعوم بالذكاء الاصطناعي#

على الرغم من الفوائد العديدة لتتبع الحيوانات المدعوم بالذكاء الاصطناعي، ثمة تحديات تواجه تطبيق هذه الحلول أيضًا. ومن أبرزها التكلفة الأولية لتركيب أنظمة الرؤية الحاسوبية المتقدمة في المزارع. فشراء المعدات اللازمة وتركيبها قد يكون مكلفًا للغاية، ويشكل عقبة كبيرة أمام المزارعين، ولا سيما أصحاب المزارع الصغيرة. وقد يحتاجون إلى دعم مالي أو حوافز لاعتماد هذه التقنيات الجديدة.

ومن المشكلات الأخرى ضعف الاتصال بالإنترنت في المناطق الريفية. فالاتصال الموثوق بالإنترنت ضروري لمعالجة البيانات عبر السحابة ومراقبة الأمور عن بُعد. ومن دون اتصال موثوق، قد يواجه المزارعون صعوبة في استخدام أنظمة المراقبة الآنية القائمة على السحابة وتحليل البيانات. ويمكن لحلول الحوسبة الطرفية معالجة هذه المشكلة عبر معالجة البيانات محليًا، من دون الحاجة إلى الاتصال بالسحابة.

تُعد خصوصية البيانات وأمنها من الشواغل الرئيسية أيضًا. فمع جمع مزيد من البيانات ومشاركتها في الزراعة الدقيقة، يحتاج المزارعون إلى ضمان حماية معلوماتهم من الوصول غير المصرح به وسوء الاستخدام. ويلزم وضع لوائح ومعايير صناعية أكثر صرامة لحماية بيانات المزارعين والتصدي لمشكلات الخصوصية والأمن هذه.

تيسير الزراعة باستخدام YOLOv8#

لا يمكن للذكاء الاصطناعي أن يحل محل الخبرة العملية للمزارعين، لكنه يستطيع أن يؤدي دورًا مهمًا في مراقبة الماشية. وباستخدام أدوات مثل Ultralytics YOLOv8 ونماذج أحدث مثل Ultralytics YOLO26، يستطيع المزارعون معرفة الكثير عن سلوك حيواناتهم وطريقة أكلها وحالتها العامة. كما يمكنهم إدارة مزارعهم بسهولة أكبر ورعاية حيواناتهم على نحو أفضل. ويرتكز مستقبل الزراعة المدمجة بالذكاء الاصطناعي على الذكاء والكفاءة والاستدامة.

احرص على الانضمام إلى مجتمعنا للاطلاع على أحدث مستجدات الذكاء الاصطناعي! ويمكنك أيضًا معرفة المزيد عن الذكاء الاصطناعي من خلال زيارة مستودعنا على GitHub واستكشاف حلولنا في مجالات متعددة، مثل التصنيع والرعاية الصحية.