Monitorização do comportamento animal com Ultralytics YOLOv8

Segundo as Nações Unidas, a população mundial será de 9,6 mil milhões até 2050. À medida que a população mundial aumenta, recorremos a tecnologias avançadas, como a aprendizagem profunda, na agricultura para criar soluções agrícolas sustentáveis. Algoritmos de visão computacional, como o Ultralytics YOLOv8, podem fazer uma enorme diferença, especialmente quando se trata de monitorizar o comportamento animal. Os conhecimentos obtidos através da visão computacional podem ajudar os agricultores a simplificar a forma como gerem e cuidam dos animais de criação. Neste artigo, vamos explorar como o YOLOv8 pode mudar a forma como a monitorização animal é realizada!

Melhorar o bem-estar através da monitorização animal baseada em visão#

Acompanhar os animais de criação é essencial para garantir que estão saudáveis. No entanto, isto pode ser difícil devido ao grande número de animais que é necessário monitorizar e acompanhar. A monitorização animal baseada em inteligência artificial (AI) ajuda ao utilizar técnicas avançadas de visão computacional para observar e analisar o comportamento dos animais. Algoritmos como o YOLOv8 conseguem acompanhar animais em tempo real e fornecer dados precisos sem necessidade de sensores ou etiquetas invasivos.

Pode ser utilizada em explorações agrícolas, jardins zoológicos e instalações de investigação para detetar sinais precoces de doença, stress ou desconforto, permitindo cuidados mais rápidos. Também podemos monitorizar os hábitos alimentares, as interações sociais e os níveis de atividade dos animais. Por exemplo, considera imagens de vacas em que a visão computacional é utilizada para identificar se as vacas estão de pé, sentadas ou a caminhar.

Fig. 1 Monitorização do comportamento e da posição das vacas com Ultralytics YOLOv8.

Ao monitorizar atentamente a postura de uma vaca, um agricultor pode compreender muitas coisas sobre ela. Se uma vaca que normalmente passa muito tempo de pé ou a caminhar começar subitamente a sentar-se mais, isso pode indicar um problema de saúde. Através da monitorização contínua do comportamento animal, os agricultores podem garantir que os seus animais estão saudáveis e intervir rapidamente quando algo parece anormal. Podem criar um ambiente mais saudável e eficiente para os animais e, em última análise, melhorar o seu bem-estar e reduzir os custos de mão de obra.

AI vs. métodos tradicionais na monitorização animal#

Os métodos tradicionais de monitorização animal dependem frequentemente de observações manuais e de sensores invasivos, como etiquetas RFID, que utilizam radiofrequência para transmitir dados sem fios para identificar e acompanhar animais. No entanto, estes métodos podem consumir muito tempo, exigir muita mão de obra e, por vezes, causar stress aos animais. Além disso, estas etiquetas são frequentemente dispendiosas e podem facilmente cair dos animais e partir-se. Estes problemas resultam em grandes perdas para o agricultor. Por exemplo, uma exploração pecuária no Montana, EUA, com 17 000 animais, todos com etiquetas RFID, perdeu cerca de 1 000 etiquetas num ano, conforme referido por Bryan Elliott, fundador da 406 Bovine, num artigo da AgUpdate.

Em contrapartida, as soluções de visão computacional para a monitorização animal oferecem uma solução automatizada e não invasiva, com muitas vantagens. Imagina que um animal tem uma doença infeciosa e é importante mantê-lo em quarentena para impedir que a doença se espalhe aos outros animais. Utilizando visão computacional, podemos monitorizar continuamente o animal sem precisar de o perturbar. Podemos acompanhar rapidamente alterações no seu estado de saúde e prestar-lhe os cuidados adequados mais cedo. Isto também ajuda a verificar se os tratamentos estão a funcionar e a garantir que a doença não se espalha ao resto do rebanho.

Fig. 2 Monitorização de porcos com visão computacional.

Eis alguns dos principais benefícios da utilização da visão computacional para analisar o comportamento animal:

• Maior precisão na deteção de sinais precoces de doença ou stress.
• Monitorização contínua que não perturba o comportamento natural.
• Reduções significativas nos custos de mão de obra e operacionais.
• Conhecimentos acionáveis que melhoram o bem-estar animal e a produtividade agrícola.

Como o YOLOv8 pode ser utilizado para monitorizar o comportamento animal#

Podes utilizar o YOLOv8 para acompanhar padrões alimentares, movimentos, interações sociais e muito mais. O YOLOv8 destaca-se em técnicas essenciais de visão computacional, como deteção de objetos, acompanhamento de objetos e estimativa de pose.

Vamos compreender estas tarefas de visão computacional com mais detalhe:

• Deteção de objetos: a deteção de objetos é utilizada para identificar e classificar diferentes objetos numa única imagem ou num único fotograma de vídeo.
• Acompanhamento de objetos: o acompanhamento de objetos é utilizado para seguir os objetos identificados à medida que se movem ao longo de vários fotogramas de um vídeo.
• Estimativa de pose: a estimativa de pose é utilizada para determinar as posições e orientações exatas de objetos ou partes do corpo numa imagem ou vídeo.

Fig. 3 Estimativa da pose de um tigre com YOLOv8.

Através destas tarefas, o YOLOv8 oferece capacidades avançadas para monitorizar e analisar o comportamento animal. Com a deteção de objetos, o YOLOv8 consegue identificar e classificar animais individuais num rebanho para monitorizar as suas atividades. Em seguida, o acompanhamento de objetos com o YOLOv8 pode ajudar a seguir continuamente os movimentos de cada animal ao longo do tempo, de fotograma em fotograma.

Ao combinar isto com a estimativa de pose, o YOLOv8 consegue fornecer uma análise detalhada da condição física e do comportamento do animal. Os agricultores podem monitorizar quanto tempo cada animal passa a comer, caminhar ou descansar. Isto ajuda a detetar alterações no comportamento, como uma redução dos movimentos ou mudanças nos hábitos alimentares, que podem indicar problemas de saúde.

Fig. 4 Um exemplo de contagem de um grupo de cabras com YOLOv8.

Para obter mais detalhes sobre como utilizar o YOLOv8 em várias tarefas, visita os Guias da Ultralytics.

Um dia na vida de um agricultor que utiliza AI para a monitorização animal#

Para teres uma ideia de quanto a monitorização animal com AI pode mudar a vida de um agricultor, vamos acompanhar um dia integrado com AI.

Fig. 5 A vida quotidiana de um agricultor pode ser transformada pela AI.

De manhã, um agricultor poderia verificar o sistema de monitorização animal num tablet. As câmaras no estábulo e nos campos teriam analisado os animais durante a noite e fornecido relatórios sobre a saúde, o comportamento e a atividade de cada animal. O sistema alerta o agricultor para uma vaca que apresenta sinais de claudicação, e ele pode prestar-lhe cuidados prontamente.

Durante o dia, os sistemas de visão computacional monitorizam continuamente os animais, ajustando as porções de alimentação automatizadas com base em observações em tempo real dos hábitos alimentares e da condição física de cada animal. O agricultor monitoriza o rebanho remotamente, recebendo notificações sobre qualquer atividade invulgar ou sinais de sofrimento detetados pelas câmaras. À noite, o agricultor analisa os dados para planear o dia seguinte.

A AI 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 ideais de alimentação, identificar precocemente potenciais problemas de saúde e até recomendar alterações para melhorar a eficiência e a produtividade gerais da exploração agrícola. Com o aparecimento de tecnologias como a versão mais recente do ChatGPT, o GPT-4o, é ainda possível que a AI se torne um assistente útil para o agricultor.

AI na prática veterinária e além dela#

A monitorização animal baseada em visão computacional está a causar um grande impacto em vários setores para além da agricultura. Na conservação da vida selvagem, ajuda a acompanhar animais, estudar o seu comportamento e prevenir a caça furtiva através de vigilância e alertas em tempo real. Por exemplo, a organização sem fins lucrativos britânica Conservation AI utiliza visão computacional para detetar ameaças a espécies em perigo, como pangolins e rinocerontes, em tempo real. As suas câmaras equipadas com AI, instaladas 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 das populações.

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

De forma semelhante, as instalações de investigação utilizam visão computacional para observar o comportamento e a saúde dos animais com maior precisão e de forma menos intrusiva. Os investigadores podem recolher dados e conhecimentos valiosos para desenvolver melhores estratégias de conservação. Nos cuidados de animais de estimação, as ferramentas de monitorização da saúde baseadas em AI e os produtos inteligentes, como alimentadores automatizados e brinquedos interativos, melhoram o bem-estar e o envolvimento dos animais.

Os jardins zoológicos e aquários utilizam visão computacional para monitorizar o bem-estar animal, detetar sinais de doença ou stress e melhorar as experiências dos visitantes com exposições interativas. A AI na prática veterinária pode ajudar a monitorizar a saúde animal de forma mais eficaz, conduzindo a melhores diagnósticos e tratamentos. No transporte de animais, a visão computacional ajuda a garantir o bem-estar dos animais ao monitorizar os níveis de stress e assegurar o cumprimento dos regulamentos. De forma geral, a monitorização animal baseada em AI permite prestar melhores cuidados aos animais nestes setores.

Desafios relacionados com o acompanhamento de animais baseado em AI#

Apesar dos muitos benefícios do acompanhamento de animais baseado em AI, também existem desafios na implementação destas soluções. Um dos principais desafios é o custo inicial de instalação de sistemas avançados de visão computacional nas explorações agrícolas. Comprar e instalar o equipamento necessário pode ser muito dispendioso, o que pode constituir um grande obstáculo para os agricultores, especialmente os de menor dimensão. Poderão precisar de apoio financeiro 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 essencial para processar dados através da nuvem e monitorizar as operações à distância. Sem uma conectividade estável, os agricultores podem ter dificuldades em utilizar sistemas de monitorização e análise de dados em tempo real baseados na nuvem. As soluções de computação de periferia podem resolver este problema ao processar os dados localmente, sem necessidade de ligação à nuvem.

A privacidade e a segurança dos dados também são preocupações importantes. À medida que mais dados são recolhidos e partilhados na agricultura de precisão, os agricultores precisam de garantir que as suas informações estão protegidas contra acessos não autorizados e utilizações indevidas. São necessárias regulamentações e normas do setor mais rigorosas para proteger os dados dos agricultores e resolver estas questões de privacidade e segurança.

Tornar a agricultura mais fácil com YOLOv8#

Embora a AI não possa substituir a experiência prática dos agricultores, pode desempenhar um papel importante na forma como cuidamos dos nossos animais de criação. Utilizando ferramentas como os mais recentes modelos Ultralytics YOLOv8, os agricultores podem aprender muito sobre o comportamento, a alimentação e o bem-estar geral dos seus animais. Podem gerir as suas explorações com mais facilidade e cuidar melhor dos animais. O futuro da agricultura integrada com AI passa por ser inteligente, eficiente e sustentável.

Não deixes de aderir à nossa comunidade para receber as últimas novidades sobre AI! Também podes aprender mais sobre AI visitando o nosso repositório no GitHub e explorando as nossas soluções em várias áreas, como a indústria transformadora e os cuidados de saúde.