Monitorando o comportamento animal usando Ultralytics YOLOv8

De acordo com as Nações Unidas, a população global será de 9,6 mil milhões até 2050. À medida que a população mundial aumenta, vamo-nos virando para tecnologias avançadas como a aprendizagem profunda na agricultura para criar soluções agrícolas sustentáveis. Os algoritmos de visão por computador como o Ultralytics YOLOv8 podem fazer uma enorme diferença, especialmente no que diz respeito à monitorização do comportamento animal. Os conhecimentos recolhidos através da visão por computador podem ajudar os agricultores a otimizar a forma como gerem e cuidam do gado. Neste artigo, vamos mergulhar em como o YOLOv8 pode mudar a forma como a monitorização animal é abordada!

Melhorando o bem-estar com monitoramento animal baseado em visão#

Ficar de olho no gado é fundamental para garantir que os animais estejam saudáveis. No entanto, isso pode ser difícil devido ao grande número de animais para monitorar e acompanhar. O monitoramento animal potencializado por inteligência artificial (IA) ajuda ao usar técnicas avançadas de visão computacional para observar e analisar o comportamento animal. Algoritmos como o YOLOv8 podem rastrear animais em tempo real e fornecer dados precisos sem a necessidade de sensores invasivos ou etiquetas.

Ele pode ser usado em fazendas, zoológicos e instalações de pesquisa para detectar sinais precoces de doenças, estresse ou desconforto, permitindo um cuidado mais rápido. Também podemos monitorar hábitos alimentares, interações sociais e níveis de atividade dos animais. Por exemplo, considere imagens de vacas onde a visão computacional é usada para identificar se elas estão em pé, sentadas ou caminhando.

Fig. 1 Monitorização do comportamento e da posição de vacas utilizando o Ultralytics YOLOv8.

Ao monitorar a postura de uma vaca de perto, o agricultor pode entender muito sobre ela. Se uma vaca que geralmente fica muito em pé ou caminha bastante começa a ficar mais sentada de repente, isso pode indicar um problema de saúde. Por meio do monitoramento contínuo do comportamento animal, os agricultores podem garantir a saúde do gado e intervir rapidamente quando algo parece fora do comum. Eles podem criar um ambiente mais saudável e eficiente para os animais, melhorando seu bem-estar e reduzindo custos operacionais.

IA versus métodos tradicionais no monitoramento animal#

Métodos tradicionais de monitoramento animal frequentemente dependem de observações manuais e sensores invasivos como etiquetas RFID, que usam radiofrequência para transmitir dados sem fio para identificação e rastreamento. No entanto, esses métodos podem consumir tempo, exigir muita mão de obra e, às vezes, causar estresse aos animais. Além disso, essas etiquetas são frequentemente caras e podem facilmente cair dos animais e quebrar. Esses problemas resultam em grandes perdas para o agricultor. Por exemplo, um rancho em Montana, EUA, com 17.000 animais (todos com etiquetas RFID), perdeu cerca de 1.000 etiquetas em um ano, conforme observado por Bryan Elliott, fundador da 406 Bovine, em um artigo da AgUpdate.

Em contraste, as soluções de visão computacional para monitoramento animal oferecem uma alternativa não invasiva e automatizada com muitos benefícios. Digamos que um animal tenha uma doença infecciosa e seja importante mantê-lo em quarentena para evitar que a doença se espalhe. Usando visão computacional, podemos monitorar o animal continuamente sem precisar incomodá-lo. Podemos observar mudanças na sua saúde rapidamente e oferecer o tratamento correto com mais agilidade. Isso também ajuda a verificar se os tratamentos estão funcionando e a garantir que a doença não se espalhe pelo restante do rebanho.

Fig. 2 Monitorização de porcos utilizando visão por computador.

Aqui estão alguns dos principais benefícios de utilizar a visão por computador para analisar o comportamento animal:

• Maior precisão na detecção de sinais precoces de doenças ou estresse.
• Monitoramento contínuo que não interrompe o comportamento natural.
• Reduções significativas em custos de mão de obra e operacionais.
• Insights acionáveis que melhoram o bem-estar animal e a produtividade da fazenda.

Como o YOLOv8 pode ser usado para monitorar o comportamento animal#

Você pode usar o YOLOv8 para rastrear padrões de alimentação, movimento, interações sociais e muito mais. O YOLOv8 se destaca em técnicas fundamentais de visão computacional como detecção de objetos, rastreamento de objetos e estimativa de pose.

Vamos entender essas tarefas de visão computacional com mais detalhes:

• Deteção de Objetos: A deteção de objetos é utilizada para identificar e rotular diferentes objetos dentro de uma única imagem ou fotograma de vídeo.
• Rastreio de Objetos: O rastreio de objetos é utilizado para acompanhar os objetos identificados à medida que se movimentam por múltiplos fotogramas num vídeo.
• Estimação de Pose: A estimação de pose é utilizada para determinar as posições exatas e orientações de objetos ou partes do corpo numa imagem ou vídeo.

Fig. 3 Estimação de pose de um tigre utilizando o YOLOv8.

Por meio dessas tarefas, o YOLOv8 oferece recursos poderosos para monitorar e analisar o comportamento animal. Com a detecção de objetos, o YOLOv8 pode identificar e classificar animais individuais dentro de um rebanho para monitorar suas atividades. Em seguida, o rastreamento de objetos usando YOLOv8 ajuda a seguir continuamente os movimentos de cada animal ao longo do tempo, de quadro a quadro.

Ao combinar isso com a estimativa de pose, o YOLOv8 pode fornecer uma análise detalhada da condição física e do comportamento do animal. Os agricultores podem monitorar quanto tempo cada animal gasta comendo, caminhando ou descansando. Isso ajuda a identificar quaisquer mudanças de comportamento, como redução de movimento ou alteração nos hábitos alimentares, que podem indicar problemas de saúde.

Fig. 4 Um exemplo de contagem de um grupo de cabras utilizando o YOLOv8.

Para mais detalhes sobre como utilizar o YOLOv8 para várias tarefas, visita os Guias do Ultralytics.

Um dia na vida de um agricultor usando IA para monitoramento animal#

Para que você tenha uma noção de quanto o monitoramento animal por IA pode mudar a vida de um agricultor, vamos acompanhar um dia integrado com IA.

Fig. 5 A vida diária de um agricultor pode ser alterada pela IA.

Pela manhã, um agricultor poderia verificar seu sistema de monitoramento animal em um tablet. Câmeras no celeiro e nos campos teriam analisado o gado durante a noite e fornecido relatórios sobre a saúde, comportamento e atividade de cada animal. O sistema alerta o agricultor sobre uma vaca apresentando sinais de claudicação, e ele pode cuidar dela prontamente.

Durante o dia, sistemas de visão computacional monitoram continuamente os animais, ajustando porções automáticas de alimentação com base em observações em tempo real dos hábitos alimentares e condição física de cada um. O agricultor monitora o rebanho remotamente, recebendo notificações de qualquer atividade incomum ou sinais de estresse detectados pelas câmeras. À noite, ele analisa os dados para planejar o próximo dia.

A IA também pode ajudar o agricultor a tomar melhores decisões ao analisar tendências e padrões nos dados. A aprendizagem automática pode ser utilizada para sugerir horários de alimentação ideais, identificar potenciais problemas de saúde precocemente e até recomendar alterações para melhorar a eficiência geral e a produtividade da quinta. Com o advento de tecnologia como a versão mais recente do ChatGPT, o GPT-4o, é inclusive possível que a IA se torne um assistente útil para o agricultor.

IA em práticas veterinárias e além#

A monitorização de animais baseada em visão por computador está a causar um grande impacto em várias indústrias para além da agricultura. Na conservação da vida selvagem, ajuda a rastrear animais, a estudar o seu comportamento e a prevenir a caça furtiva através de vigilância e alertas em tempo real. Por exemplo, a organização sem fins lucrativos sediada no Reino Unido Conservation AI utiliza a visão por computador para detetar ameaças a espécies ameaçadas, como pangolins e rinocerontes, em tempo real. As suas câmaras alimentadas por IA, implementadas em todo o mundo, ajudam os conservacionistas a agir rapidamente contra a caça furtiva e outros perigos. Além disso, os modelos de aprendizagem automática da Google DeepMind estão a ser utilizados para analisar milhões de imagens do Parque Nacional do Serengeti, na Tanzânia, para identificar e contar animais. Os conhecimentos obtidos a partir destas imagens ajudam os conservacionistas a compreender melhor a dinâmica populacional.

Fig. 6 Deteção de objetos de animais para conservação da vida selvagem.

Da mesma forma, instalações de pesquisa usam visão computacional para observar o comportamento e a saúde animal de forma mais precisa e menos intrusiva. Pesquisadores podem coletar dados e insights valiosos para melhores estratégias de conservação. No cuidado com animais de estimação, ferramentas de monitoramento de saúde impulsionadas por IA e produtos inteligentes, como alimentadores automatizados e brinquedos interativos, melhoram o bem-estar e o engajamento dos animais.

Zoológicos e aquários usam visão computacional para monitorar o bem-estar animal, detectar sinais de doença ou estresse e melhorar a experiência dos visitantes com exposições interativas. A IA em práticas veterinárias pode ajudar a monitorar a saúde animal de forma mais eficaz, levando a diagnósticos e tratamentos melhores. No transporte animal, a visão computacional ajuda a garantir o bem-estar ao monitorar níveis de estresse e assegurar o cumprimento das regulamentações. No geral, o monitoramento animal possibilitado por IA permite um melhor cuidado em todos esses setores.

Desafios relacionados ao rastreamento animal por IA#

Apesar dos muitos benefícios do rastreio de animais alimentado por IA, também existem desafios na implementação de tais soluções. Um dos principais desafios é o custo inicial de configuração de sistemas avançados de visão por computador nas quintas. Comprar e instalar o equipamento necessário pode ser muito caro, o que pode representar um grande obstáculo para os agricultores, especialmente os mais pequenos. Podem precisar de ajuda financeira ou incentivos para adotar estas novas tecnologias.

Outro problema é a falta de uma boa ligação à Internet nas zonas rurais. Uma ligação à Internet fiável é vital para processar dados através da nuvem e monitorizar coisas à distância. Sem conectividade fiável, os agricultores podem ter dificuldades em utilizar sistemas de monitorização e análise de dados em tempo real baseados na nuvem. As soluções de computação na edge podem resolver este problema ao processar dados localmente, sem necessidade de conectividade à nuvem.

Privacidade e segurança de dados também são grandes preocupações. À medida que mais dados são coletados e compartilhados na agricultura de precisão, os agricultores precisam garantir que suas informações estejam seguras contra acessos não autorizados e uso indevido. Regulamentações e padrões da indústria mais rigorosos são necessários para proteger os dados dos agricultores e lidar com essas questões de privacidade e segurança.

Facilitando a agricultura com o YOLOv8#

Embora a IA não consiga substituir a experiência prática dos agricultores, pode desempenhar um papel importante na forma como vigiamos o nosso gado. Utilizando ferramentas como os mais recentes modelos do Ultralytics YOLOv8, os agricultores podem aprender muito sobre como os seus animais se comportam, comem e sobre o seu bem-estar geral. Podem gerir as suas quintas mais facilmente e cuidar melhor dos seus animais. O futuro da agricultura integrada com IA resume-se a ser inteligente, eficiente e sustentável.

Certifica-te de que te juntas à nossa comunidade para obteres as atualizações mais recentes em IA! Além disso, podes saber mais sobre IA visitando o nosso repositório no GitHub e explorando as nossas soluções em vários campos, como manufatura e saúde.