Monitoraggio del comportamento animale utilizzando Ultralytics YOLOv8

Secondo le Nazioni Unite, la popolazione globale raggiungerà quota 9,6 miliardi entro il 2050. Con la crescita della popolazione mondiale, ci ritroviamo a ricorrere a tecnologie avanzate come il deep learning in agricoltura per creare soluzioni di coltivazione sostenibili. Gli algoritmi di computer vision come Ultralytics YOLOv8 possono fare una grande differenza, specialmente quando si tratta di monitorare il comportamento degli animali. Le informazioni raccolte tramite 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 in cui ci si approccia al monitoraggio degli animali!

Migliorare il benessere con il monitoraggio animale basato sulla visione#

Tenere d'occhio il bestiame è fondamentale per assicurarsi che sia in salute. Tuttavia, questo può essere difficile dato l'elevato numero di animali da monitorare e di cui tenere traccia. Il monitoraggio animale potenziato dall'intelligenza artificiale (AI) aiuta a osservare e analizzare il comportamento degli animali utilizzando tecniche avanzate di visione artificiale. Algoritmi come YOLOv8 possono tracciare gli animali in tempo reale e fornire dati accurati senza bisogno di sensori o etichette invasivi.

Può essere utilizzato in fattorie, zoo e strutture di ricerca per individuare precocemente segni di malattia, stress o disagio, consentendo cure più rapide. Possiamo anche monitorare le abitudini alimentari, le interazioni sociali e i livelli di attività degli animali. Ad esempio, considera il filmato di alcune mucche in cui la visione artificiale viene usata per identificare se stanno in piedi, sedute o camminano.

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

Monitorando attentamente la postura di una mucca, un allevatore può comprendere molto sull'animale. Se una mucca che di solito sta molto in piedi o cammina si siede improvvisamente più spesso, potrebbe indicare un problema di salute. Attraverso il monitoraggio continuo del comportamento animale, gli agricoltori possono garantire la salute del proprio bestiame e intervenire rapidamente quando qualcosa sembra non andare. Possono creare un ambiente più sano ed efficiente per gli animali, migliorandone in definitiva il benessere e riducendo i costi della manodopera.

AI contro i metodi tradizionali nel monitoraggio animale#

I metodi tradizionali di monitoraggio animale si basano spesso su osservazioni manuali e sensori invasivi come i tag RFID, che utilizzano la radiofrequenza per trasmettere dati in modalità wireless per l'identificazione e il tracciamento degli animali. Tuttavia, questi metodi possono richiedere molto tempo, essere intensivi in termini di manodopera e talvolta stressanti per gli animali. Inoltre, questi tag sono spesso costosi e possono facilmente staccarsi dagli animali e rompersi. Tali problemi comportano enormi perdite per l'allevatore. Ad esempio, un ranch nel Montana, USA, con 17.000 animali (tutti dotati di tag RFID) ha perso circa 1.000 tag in un anno, come notato da Bryan Elliott, fondatore di 406 Bovine, in un articolo di AgUpdate.

Al contrario, le soluzioni di visione artificiale per il monitoraggio animale offrono una soluzione non invasiva e automatizzata con molti vantaggi. Supponiamo che un animale abbia una malattia infettiva e sia importante tenerlo in quarantena per evitare che la malattia si diffonda ad altri animali. Utilizzando la visione artificiale, possiamo monitorare l'animale continuamente senza doverlo disturbare. Possiamo monitorare rapidamente i cambiamenti nella sua salute e fornirgli le cure giuste più velocemente. Aiuta anche a controllare se i trattamenti stanno funzionando e ad assicurarsi che la malattia non si diffonda al resto della mandria.

Fig 2. Monitoraggio dei maiali tramite computer vision.

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

• Maggiore precisione nel rilevare i primi segni di malattia o stress.
• Monitoraggio continuo che non interrompe il comportamento naturale.
• Riduzioni significative dei costi operativi e di manodopera.
• Informazioni fruibili che migliorano il benessere degli animali e la produttività agricola.

Come YOLOv8 può essere utilizzato per monitorare il comportamento animale#

Puoi utilizzare YOLOv8 per tracciare i pattern di alimentazione, il movimento, le interazioni sociali e molto altro. YOLOv8 eccelle nelle tecniche chiave di visione artificiale come il rilevamento degli oggetti, il tracciamento degli oggetti e la stima della posa.

Comprendiamo più nel dettaglio queste attività di visione artificiale:

• Object Detection: l'object detection viene utilizzata per identificare ed etichettare diversi oggetti all'interno di una singola immagine o di un fotogramma video.
• Object Tracking: l'object tracking viene utilizzato per tenere traccia degli oggetti identificati mentre si muovono attraverso più fotogrammi in un video.
• Pose Estimation: la pose estimation viene utilizzata per determinare le posizioni e gli orientamenti esatti di oggetti o parti del corpo in un'immagine o in un video.

Fig 3. Pose Estimation di una tigre tramite YOLOv8.

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

Combinando questo aspetto 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 a mangiare, camminare o riposare. Questo aiuta a individuare eventuali cambiamenti nel comportamento, come una riduzione del movimento o abitudini alimentari alterate, che possono indicare problemi di salute.

Fig 4. Un esempio di conteggio di un branco di capre tramite YOLOv8.

Per maggiori dettagli su come usare YOLOv8 per vari task, visita le Ultralytics Guides.

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

Per darti un'idea di quanto il monitoraggio animale tramite AI possa cambiare la vita di un agricoltore, facciamo un giro in una giornata integrata con l'AI.

Fig 5. La vita quotidiana di un agricoltore può essere cambiata dall'IA.

Al mattino, un agricoltore potrebbe controllare il proprio sistema di monitoraggio animale su un tablet. Le telecamere nel fienile e nei campi avrebbero analizzato il bestiame durante la notte e fornito rapporti sulla salute, il comportamento e l'attività di ogni animale. Il sistema avvisa l'agricoltore di una mucca che mostra segni di zoppia, così che lui possa curarla tempestivamente.

Durante il giorno, i sistemi di visione artificiale monitorano continuamente gli animali, regolando le porzioni di alimentazione automatizzate in base alle osservazioni in tempo reale delle abitudini alimentari e della condizione fisica di ogni animale. L'agricoltore monitora la mandria da remoto, ricevendo notifiche di qualsiasi attività insolita o segno di disagio rilevato dalle telecamere. Di sera, l'agricoltore esamina i dati per pianificare la giornata successiva.

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

L'AI nelle pratiche veterinarie e oltre#

Il monitoraggio degli animali basato sulla computer vision sta avendo un impatto notevole su diversi settori oltre all'agricoltura. Nella conservazione della fauna selvatica, aiuta a tracciare gli animali, studiarne il comportamento e prevenire il bracconaggio attraverso sorveglianza e avvisi in tempo reale. Ad esempio, l'organizzazione no-profit britannica Conservation AI utilizza la computer vision per rilevare in tempo reale le minacce a specie in via di estinzione come i pangolini e i rinoceronti. Le loro telecamere alimentate dall'IA, distribuite in tutto il mondo, aiutano i conservazionisti ad agire tempestivamente contro il bracconaggio e altri pericoli. Inoltre, i modelli di machine learning di Google DeepMind vengono utilizzati per analizzare milioni di immagini provenienti dal Parco Nazionale del Serengeti in Tanzania per identificare e contare gli animali. Le informazioni ricavate da queste immagini aiutano i conservazionisti a comprendere meglio le dinamiche della popolazione.

Fig 6. Rilevamento di oggetti di animali per la conservazione della fauna selvatica.

Allo stesso modo, le strutture di ricerca utilizzano la visione artificiale per osservare il comportamento e la salute degli animali in modo più preciso e meno intrusivo. I ricercatori possono raccogliere dati e intuizioni preziose per strategie di conservazione migliori. Nella cura degli animali domestici, gli strumenti di monitoraggio della salute guidati dall'AI e i prodotti intelligenti, come mangiatoie automatiche e giochi interattivi, migliorano il benessere e il coinvolgimento degli animali.

Zoo e acquari utilizzano la visione artificiale per monitorare il benessere degli animali, rilevare segni di malattia o stress e migliorare l'esperienza dei visitatori con mostre interattive. L'AI nelle pratiche veterinarie può aiutare a monitorare la salute degli animali in modo più efficace, portando a migliori diagnosi e trattamenti. Nel trasporto di animali, la visione artificiale aiuta a garantire il benessere degli animali monitorando i livelli di stress e assicurando il rispetto delle normative. Nel complesso, il monitoraggio animale abilitato dall'AI consente una migliore cura degli animali in tutti questi settori.

Sfide relative al tracciamento animale potenziato dall'AI#

Nonostante i numerosi vantaggi del tracciamento degli animali basato sull'IA, ci sono anche sfide nell'implementazione di tali soluzioni. Una sfida importante è il costo iniziale per la configurazione di sistemi avanzati di computer vision nelle aziende agricole. Acquistare e installare l'attrezzatura necessaria può essere molto costoso, il che può rappresentare un grande ostacolo per gli agricoltori, in particolare quelli più piccoli. Potrebbero aver bisogno di aiuto finanziario o incentivi per adottare queste nuove tecnologie.

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

Anche la privacy e la sicurezza dei dati sono preoccupazioni importanti. Man mano che vengono raccolti e condivisi più dati nell'agricoltura di precisione, gli agricoltori devono assicurarsi che le loro informazioni siano protette da accessi non autorizzati e uso improprio. Sono necessarie normative più rigorose e standard di settore per proteggere i dati degli agricoltori e affrontare queste questioni di privacy e sicurezza.

Rendere l'agricoltura più facile con YOLOv8#

Sebbene l'IA non possa sostituire l'esperienza pratica degli agricoltori, può svolgere un ruolo importante nel modo in cui sorvegliamo il nostro bestiame. Utilizzando strumenti come gli ultimi modelli di Ultralytics YOLOv8, gli agricoltori possono imparare molto su come si comportano i loro animali, su cosa mangiano e sul loro benessere generale. Possono gestire le loro aziende agricole più facilmente e prendersi cura dei loro animali in modo migliore. Il futuro dell'agricoltura integrata con l'IA punta tutto sull'essere intelligente, efficiente e sostenibile.

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