Monitoraggio del comportamento degli animali con Ultralytics YOLOv8

Secondo le Nazioni Unite, entro il 2050 la popolazione mondiale raggiungerà i 9,6 miliardi. Con l'aumento della popolazione mondiale, ci rivolgiamo a tecnologie avanzate come il deep learning nell'agricoltura per creare soluzioni agricole sostenibili. Gli algoritmi di computer vision come Ultralytics YOLOv8 possono fare una grande differenza, soprattutto quando si tratta di monitorare il comportamento degli animali. Gli approfondimenti ottenuti con la computer vision possono aiutare gli agricoltori a ottimizzare la gestione e la cura del bestiame. In questo articolo analizzeremo come YOLOv8 può cambiare il modo di affrontare il monitoraggio degli animali!

Migliorare il benessere degli animali con il monitoraggio basato sulla computer vision#

Tenere sotto controllo il bestiame è fondamentale per assicurarsi che sia in salute. Tuttavia, può essere difficile vista l'enorme quantità di animali da monitorare e controllare. Il monitoraggio degli animali basato sull'intelligenza artificiale (AI) utilizza tecniche avanzate di computer vision per osservare e analizzare il comportamento degli animali. Algoritmi come YOLOv8 possono seguire gli animali in tempo reale e fornire dati accurati senza la necessità di sensori o tag invasivi.

Può essere utilizzato nelle aziende agricole, negli zoo e nei centri di ricerca per individuare precocemente segnali di malattia, stress o disagio, consentendo di intervenire più rapidamente. Possiamo anche monitorare le abitudini alimentari, le interazioni sociali e i livelli di attività degli animali. Per esempio, consideriamo un filmato di mucche in cui la computer vision viene utilizzata per identificare se le mucche sono in piedi, sedute o camminano.

Fig. 1 Monitoraggio del comportamento e della posizione delle mucche con Ultralytics YOLOv8.

Monitorando attentamente la postura di una mucca, un agricoltore può capire molto su di essa. Se una mucca che di solito sta in piedi o cammina molto inizia improvvisamente a stare più seduta, potrebbe indicare un problema di salute. Attraverso il monitoraggio continuo del comportamento degli animali, gli agricoltori possono assicurarsi che il bestiame sia in salute e intervenire rapidamente quando qualcosa non va. Possono creare un ambiente più sano ed efficiente per gli animali, migliorandone infine il benessere e riducendo i costi della manodopera.

AI contro i metodi tradizionali nel monitoraggio degli animali#

I metodi tradizionali di monitoraggio degli animali si basano spesso su osservazioni manuali e sensori invasivi come i tag RFID, che utilizzano la radiofrequenza per trasmettere dati senza fili ai fini dell'identificazione e del tracciamento degli animali. Tuttavia, questi metodi possono richiedere molto tempo, essere laboriosi e talvolta stressanti per gli animali. Inoltre, questi tag sono spesso costosi, possono staccarsi facilmente dagli animali e rompersi. Tali problemi causano ingenti perdite per l'agricoltore. Per esempio, un allevamento in Montana, USA, con 17.000 animali (tutti dotati di tag RFID) ha perso circa 1.000 tag in un anno, come ha osservato Bryan Elliott, fondatore di 406 Bovine, in un articolo di AgUpdate.

Al contrario, le soluzioni di computer vision per il monitoraggio degli animali offrono una soluzione automatizzata e non invasiva con numerosi vantaggi. Supponiamo che un animale abbia una malattia infettiva e che sia importante tenerlo in quarantena per impedire che la malattia si diffonda agli altri animali. Utilizzando la computer vision, possiamo monitorare continuamente l'animale senza doverlo disturbare. Possiamo rilevare rapidamente i cambiamenti nel suo stato di salute e fornirgli più velocemente le cure appropriate. Questo aiuta anche a verificare se i trattamenti stanno funzionando e ad assicurarsi che la malattia non si diffonda al resto della mandria.

Fig. 2 Monitoraggio dei maiali con la computer vision.

Ecco alcuni dei principali vantaggi dell'utilizzo della computer vision per analizzare il comportamento degli animali:

• Maggiore precisione nel rilevamento precoce di segnali di malattia o stress.
• Monitoraggio continuo che non interrompe il comportamento naturale.
• Significativa riduzione dei costi di manodopera e operativi.
• Informazioni utili per migliorare il benessere degli animali e la produttività dell'azienda agricola.

Come utilizzare YOLOv8 per monitorare il comportamento degli animali#

Puoi utilizzare YOLOv8 per monitorare i modelli di alimentazione, i movimenti, le interazioni sociali e molto altro. YOLOv8 eccelle in tecniche chiave di computer vision come il rilevamento degli oggetti, il tracciamento degli oggetti e la stima della posa.

Analizziamo più dettagliatamente queste attività di computer vision:

• Rilevamento degli oggetti: il rilevamento degli oggetti viene utilizzato per identificare ed etichettare diversi oggetti all'interno di una singola immagine o fotogramma video.
• Tracciamento degli oggetti: il tracciamento degli oggetti viene utilizzato per seguire gli oggetti identificati mentre si spostano attraverso più fotogrammi di un video.
• Stima della posa: la stima della posa viene utilizzata per determinare le posizioni e gli orientamenti esatti degli oggetti o delle parti del corpo in un'immagine o in un video.

Fig. 3 Stima della posa di una tigre con YOLOv8.

Attraverso queste attività, YOLOv8 offre potenti funzionalità per monitorare e analizzare il comportamento degli animali. Con il rilevamento degli oggetti, YOLOv8 può identificare e classificare i singoli animali all'interno di una mandria per monitorarne le attività. In seguito, il tracciamento degli oggetti con YOLOv8 può aiutare a seguire continuamente i movimenti di ciascun animale nel tempo, da un fotogramma all'altro.

Combinando questa funzionalità con la stima della posa, YOLOv8 può fornire un'analisi dettagliata delle condizioni fisiche e del comportamento dell'animale. Gli agricoltori possono monitorare quanto tempo ogni animale trascorre mangiando, camminando o riposando. Questo aiuta a rilevare eventuali cambiamenti nel comportamento, come una riduzione dei movimenti o alterazioni nelle abitudini alimentari, che possono indicare problemi di salute.

Fig. 4 Un esempio di conteggio di una mandria di capre con YOLOv8.

Per ulteriori dettagli su come utilizzare YOLOv8 per varie attività, visita le Guide di Ultralytics.

Una giornata nella vita di un agricoltore che utilizza l'AI per il monitoraggio degli animali#

Per darti un'idea di quanto il monitoraggio degli animali con l'AI possa cambiare la vita di un agricoltore, ripercorriamo una giornata integrata con l'AI.

Fig. 5 La vita quotidiana di un agricoltore può cambiare grazie all'AI.

Al mattino, un agricoltore potrebbe controllare il sistema di monitoraggio degli animali su un tablet. Durante la notte, le telecamere nella stalla e nei campi avrebbero analizzato il bestiame e fornito report sulla salute, sul comportamento e sull'attività di ciascun animale. Il sistema segnala all'agricoltore una mucca che mostra segni di zoppia, consentendogli di prestarle immediatamente assistenza.

Durante il giorno, i sistemi di computer vision monitorano continuamente gli animali, regolando le porzioni di mangime automatizzate sulla base delle osservazioni in tempo reale sulle abitudini alimentari e sulle condizioni fisiche di ciascun animale. L'agricoltore monitora la mandria da remoto e riceve notifiche su eventuali attività insolite o segni di sofferenza rilevati dalle telecamere. La sera, esamina i dati per pianificare la giornata successiva.

L'AI può anche aiutare l'agricoltore a prendere decisioni migliori analizzando tendenze e schemi nei dati. Il machine learning può essere utilizzato per suggerire programmi di alimentazione ottimali, identificare precocemente potenziali problemi di salute e persino raccomandare modifiche per migliorare l'efficienza e la produttività complessive dell'azienda agricola. Con l'avvento di tecnologie come l'ultima versione di ChatGPT, GPT-4o, è persino possibile che l'AI diventi un assistente utile per l'agricoltore.

L'AI nelle pratiche veterinarie e oltre#

Il monitoraggio degli animali basato sulla computer vision sta avendo un forte impatto in diversi settori oltre all'agricoltura. Nella conservazione della fauna selvatica, aiuta a seguire gli animali, studiarne il comportamento e prevenire il bracconaggio attraverso sorveglianza e avvisi in tempo reale. Per esempio, l'organizzazione non profit britannica Conservation AI utilizza la computer vision per rilevare in tempo reale le minacce alle specie in pericolo, come pangolini e rinoceronti. Le sue telecamere basate sull'AI, installate in tutto il mondo, aiutano gli operatori della conservazione ad agire rapidamente contro il bracconaggio e altri pericoli. Inoltre, i modelli di machine learning di Google DeepMind vengono utilizzati per analizzare milioni di immagini del Parco nazionale del Serengeti in Tanzania, identificando e contando gli animali. Gli approfondimenti ricavati da queste immagini aiutano gli operatori della conservazione a comprendere meglio le dinamiche delle popolazioni.

Fig. 6 Rilevamento degli animali per la conservazione della fauna selvatica.

Analogamente, i centri di ricerca utilizzano la computer vision per osservare il comportamento e la salute degli animali con maggiore precisione e in modo meno invasivo. I ricercatori possono raccogliere dati e informazioni preziosi per elaborare migliori strategie di conservazione. Nella cura degli animali domestici, gli strumenti di monitoraggio della salute basati sull'AI e i prodotti intelligenti, come distributori automatici di cibo e giocattoli interattivi, migliorano il benessere e il coinvolgimento degli animali.

Gli zoo e gli acquari utilizzano la computer vision per monitorare il benessere degli animali, rilevare segnali di malattia o stress e migliorare l'esperienza dei visitatori con esposizioni interattive. L'AI nelle pratiche veterinarie può aiutare a monitorare più efficacemente la salute degli animali, portando a diagnosi e trattamenti migliori. Nel trasporto degli animali, la computer vision contribuisce a garantirne il benessere monitorando i livelli di stress e assicurando la conformità alle normative. Nel complesso, il monitoraggio degli animali basato sull'AI consente di prendersene cura meglio in tutti questi settori.

Sfide relative al tracciamento degli animali basato sull'AI#

Nonostante i numerosi vantaggi del tracciamento degli animali basato sull'AI, l'implementazione di tali soluzioni presenta anche delle difficoltà. Una delle principali è il costo iniziale della configurazione di sistemi avanzati di computer vision nelle aziende agricole. L'acquisto e l'installazione delle apparecchiature necessarie possono essere molto costosi, rappresentando un ostacolo significativo per gli agricoltori, soprattutto per quelli più piccoli. Potrebbero aver bisogno di un sostegno finanziario o di incentivi per adottare queste nuove tecnologie.

Un altro problema è la scarsa connessione Internet nelle aree rurali. Una connessione Internet affidabile è essenziale per elaborare i dati tramite il cloud e monitorare le attività a distanza. Senza una connettività affidabile, gli agricoltori potrebbero avere difficoltà a utilizzare sistemi di monitoraggio e analisi dei dati in tempo reale basati sul cloud. Le soluzioni di edge computing possono affrontare questo problema elaborando i dati localmente senza bisogno di una connessione al cloud.

Anche la privacy e la sicurezza dei dati sono preoccupazioni importanti. Con la raccolta e la condivisione di una quantità sempre maggiore di dati nell'agricoltura di precisione, gli agricoltori devono assicurarsi che le proprie informazioni siano protette da accessi non autorizzati e usi impropri. Sono necessarie normative e standard di settore più rigorosi per proteggere i dati degli agricoltori e affrontare questi problemi di privacy e sicurezza.

Semplificare l'agricoltura con YOLOv8#

Sebbene l'AI non possa sostituire l'esperienza pratica degli agricoltori, può svolgere un ruolo importante nel modo in cui controlliamo il nostro bestiame. Utilizzando strumenti come gli ultimi modelli Ultralytics YOLOv8, gli agricoltori possono comprendere meglio come si comportano e si alimentano i loro animali e quale sia il loro benessere generale. Possono gestire più facilmente le aziende agricole e prendersi cura meglio dei loro animali. Il futuro dell'agricoltura integrata con l'AI punta sull'intelligenza, sull'efficienza e sulla sostenibilità.

Assicurati di unirti alla nostra community per ricevere gli ultimi aggiornamenti sull'AI! Inoltre, puoi saperne di più sull'AI visitando il nostro repository GitHub ed esplorando le nostre soluzioni in diversi settori, come la produzione e la sanità.