Monitoramento do comportamento animal usando Ultralytics YOLOv8

Segundo as Nações Unidas, a população mundial chegará a 9,8 bilhões até 2050. Com o aumento da população mundial, recorremos a tecnologias avançadas, como o aprendizado profundo na agricultura, para criar soluções agrícolas sustentáveis. Algoritmos de visão computacional como o Ultralytics YOLOv8 podem fazer uma grande diferença, especialmente no monitoramento do comportamento dos animais. As informações obtidas com a visão computacional podem ajudar os agricultores a simplificar a gestão e os cuidados com os animais. Neste artigo, vamos explorar como o YOLOv8 pode mudar a forma de monitorar os animais.

Melhorando o bem-estar com o monitoramento de animais baseado em visão#

Monitorar os animais de criação é fundamental para garantir que estejam saudáveis. Mas isso pode ser difícil, considerando o grande número de animais que precisam ser acompanhados. O monitoramento de animais com inteligência artificial (IA) ajuda usando técnicas avançadas de visão computacional para observar e analisar o comportamento dos animais. Algoritmos como o YOLOv8 podem rastrear animais em tempo real e fornecer dados precisos sem precisar de sensores invasivos ou etiquetas.

Essa tecnologia pode ser usada em fazendas, zoológicos e centros de pesquisa para identificar sinais precoces de doença, estresse ou desconforto, permitindo cuidados mais rápidos. Também podemos monitorar os hábitos alimentares, as interações sociais e os níveis de atividade dos animais. Por exemplo, considere imagens de vacas nas quais a visão computacional é usada para identificar se elas estão em pé, sentadas ou andando.

Fig. 1. Monitoramento do comportamento e da posição de vacas usando o Ultralytics YOLOv8.

Ao observar atentamente a postura de uma vaca, o agricultor pode entender muitas coisas sobre ela. Se uma vaca que costuma ficar muito tempo em pé ou andando de repente passa a ficar mais sentada, isso pode indicar um problema de saúde. Com o monitoramento contínuo do comportamento dos animais, os agricultores podem garantir que os animais de criação estejam saudáveis e intervir rapidamente quando algo parecer errado. Assim, podem criar um ambiente mais saudável e eficiente para os animais, melhorando seu bem-estar e reduzindo os custos de mão de obra.

IA versus métodos tradicionais no monitoramento de animais#

Os métodos tradicionais de monitoramento de animais costumam depender de observações manuais e sensores invasivos, como etiquetas RFID, que usam radiofrequência para transmitir dados sem fio e identificar e rastrear animais. No entanto, esses métodos podem consumir muito tempo e mão de obra e, às vezes, causar estresse aos animais. Além disso, essas etiquetas costumam ser caras e podem cair facilmente dos animais ou quebrar. Esses problemas causam grandes prejuízos aos agricultores. Por exemplo, um rancho em Montana, nos EUA, com 17.000 animais (todos com etiquetas RFID) perdeu cerca de 1.000 etiquetas em um ano, conforme observou Bryan Elliott, fundador da 406 Bovine, em um artigo da AgUpdate.

Em contrapartida, as soluções de visão computacional para monitoramento de animais oferecem uma alternativa automatizada e não invasiva, com muitos benefícios. Imagine que um animal tenha uma doença infecciosa e precise ficar em quarentena para impedir que a doença se espalhe para outros animais. Com a visão computacional, podemos monitorá-lo continuamente sem incomodá-lo. Podemos identificar rapidamente mudanças em sua saúde e prestar os cuidados adequados mais cedo. Isso também ajuda a verificar se os tratamentos estão funcionando e a garantir que a doença não se espalhe para o restante do rebanho.

Fig. 2. Monitoramento de porcos com visão computacional.

Veja alguns dos principais benefícios do uso da visão computacional para analisar o comportamento dos animais:

• Maior precisão na detecção de sinais precoces de doença ou estresse.
• Monitoramento contínuo que não interfere no comportamento natural.
• Redução significativa dos custos de mão de obra e operacionais.
• Insights práticos que melhoram o bem-estar dos animais e a produtividade da fazenda.

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

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

Vamos compreender estas tarefas de visão computacional em mais detalhe:

• Detecção de objetos: A detecção de objetos é usada para identificar e rotular diferentes objetos em uma única imagem ou quadro de vídeo.
• Rastreamento de objetos: O rastreamento de objetos é usado para acompanhar os objetos identificados enquanto se movem por vários quadros de um vídeo.
• Estimativa de pose: A estimativa de pose é usada para determinar as posições e orientações exatas de objetos ou partes do corpo em uma imagem ou vídeo.

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

Com essas tarefas, o YOLOv8 oferece recursos avançados para monitorar e analisar o comportamento dos animais. Com a detecção de objetos, o YOLOv8 pode identificar e classificar animais individualmente em um rebanho para monitorar suas atividades. Em seguida, o rastreamento de objetos com o YOLOv8 pode ajudar a acompanhar continuamente os movimentos de cada animal ao longo do tempo, quadro a quadro.

Ao combinar esta técnica com a estimativa de pose, o YOLOv8 pode fornecer uma análise detalhada da condição física e do comportamento do animal. Os agricultores podem monitorizar quanto tempo cada animal passa a comer, a andar ou a descansar. Isto ajuda a identificar alterações de comportamento, como a 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 saber mais sobre como utilizar o YOLOv8 em várias tarefas, consulta os Guias da Ultralytics.

Um dia na vida de um agricultor que utiliza IA para monitorizar animais#

Para te dar uma ideia de como a monitorização animal com IA pode mudar a vida de um agricultor, vamos acompanhar um dia integrado com IA.

Fig. 5 A IA pode transformar o dia a dia de um agricultor.

De manhã, um agricultor poderia consultar em um tablet o sistema de monitoramento dos animais. As câmeras no celeiro e nos campos teriam analisado os animais durante a noite e fornecido relatórios sobre a saúde, o comportamento e a atividade de cada um. O sistema alertaria o agricultor sobre uma vaca com sinais de claudicação, permitindo que ele cuidasse dela prontamente.

Durante o dia, os sistemas de visão computacional monitorizam continuamente os animais e ajustam as porções de alimento automatizadas com base em observações em tempo real dos hábitos alimentares e da condição física de cada animal. O agricultor monitoriza a manada à distância e recebe notificações sobre qualquer atividade invulgar ou sinal de sofrimento detetado pelas câmaras. À noite, o agricultor analisa os dados para planear o dia seguinte.

A IA também pode ajudar o agricultor a tomar decisões melhores, analisando tendências e padrões nos dados. O aprendizado de máquina pode sugerir cronogramas ideais de alimentação, identificar possíveis problemas de saúde com antecedência e até recomendar mudanças para melhorar a eficiência e a produtividade geral da fazenda. Com o surgimento de modelos como o GPT-4o, a IA pode até se tornar uma assistente útil para o agricultor.

IA na prática veterinária e noutros setores#

O monitoramento de animais com visão computacional está causando um grande impacto em vários setores além da agricultura. Na conservação da vida selvagem, ele ajuda a rastrear animais, estudar seu comportamento e prevenir a caça ilegal por meio de vigilância e alertas em tempo real. Por exemplo, a organização sem fins lucrativos britânica Conservation AI usa visão computacional para detectar em tempo real ameaças a espécies ameaçadas, como pangolins e rinocerontes. Suas câmeras com IA, instaladas em todo o mundo, ajudam os conservacionistas a agir rapidamente contra a caça ilegal e outros perigos. Além disso, os modelos de aprendizado de máquina do Google DeepMind estão sendo usados para analisar milhões de imagens do Parque Nacional do Serengeti, na Tanzânia, a fim de identificar e contar animais. As informações obtidas dessas imagens ajudam os conservacionistas a entender melhor a dinâmica populacional.

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

Da mesma forma, os centros 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 informações valiosos para desenvolver melhores estratégias de conservação. Nos cuidados a animais de estimação, as ferramentas de monitorização da saúde baseadas em IA e os produtos inteligentes, como comedouros automáticos e brinquedos interativos, melhoram o bem-estar e o envolvimento dos animais.

Zoológicos e aquários usam visão computacional para monitorar o bem-estar dos animais, detectar sinais de doença ou estresse e melhorar a experiência dos visitantes com exposições interativas. A IA na prática veterinária pode ajudar a monitorar a saúde animal com mais eficácia, resultando em melhores diagnósticos e tratamentos. No transporte de animais, a visão computacional ajuda a garantir o bem-estar deles, monitorando os níveis de estresse e assegurando o cumprimento das normas. De modo geral, o monitoramento de animais com IA permite oferecer melhores cuidados nesses setores.

Desafios associados ao rastreamento animal com IA#

Apesar dos muitos benefícios do rastreamento de animais com IA, também há desafios para implementar essas soluções. Um dos principais é o custo inicial de instalar sistemas avançados de visão computacional nas fazendas. Comprar e instalar os equipamentos necessários pode ser muito caro e representar um grande obstáculo para os agricultores, especialmente os de menor porte. Talvez eles precisem de ajuda financeira ou incentivos para adotar essas 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 na cloud e monitorizar sistemas à distância. Sem uma ligação estável, os agricultores podem ter dificuldade em utilizar sistemas de monitorização em tempo real e análise de dados baseados na cloud. As soluções de computação de edge podem resolver este problema ao processarem os dados localmente, sem necessidade de ligação à cloud.

A privacidade e a segurança dos dados também são preocupações importantes. À medida que se recolhem e partilham mais dados na agricultura de precisão, os agricultores têm de garantir que as suas informações estão protegidas contra o acesso não autorizado e a utilização indevida. São necessários regulamentos e normas da indústria mais rigorosos para proteger os dados dos agricultores e dar resposta a estas questões de privacidade e segurança.

Simplificar a agricultura com YOLOv8#

Embora a IA não possa substituir a experiência prática dos agricultores, ela pode desempenhar um papel importante no monitoramento dos animais. Usando ferramentas como o Ultralytics YOLOv8 e modelos mais recentes, como o Ultralytics YOLO26, os agricultores podem aprender muito sobre o comportamento e a alimentação dos animais, além do bem-estar geral deles. Eles podem administrar suas propriedades com mais facilidade e cuidar melhor dos animais. O futuro da agricultura integrada à IA é inteligente, eficiente e sustentável.

Não deixes de participar na nossa comunidade para ficares a par das últimas novidades em IA! Também podes saber mais sobre IA visitando o nosso repositório do GitHub e explorando as nossas soluções em vários setores, como a indústria transformadora e a saúde.