Ultralytics YOLOv8 kullanarak hayvan davranışlarını izleme

Birleşmiş Milletler'e göre dünya nüfusu 2050'de 9,8 milyara ulaşacak. Dünya nüfusu arttıkça sürdürülebilir tarım çözümleri oluşturmak için tarımda derin öğrenme gibi gelişmiş teknolojilere yöneliyoruz. Ultralytics YOLOv8 gibi bilgisayarlı görü algoritmaları, özellikle hayvan davranışlarının izlenmesinde büyük fark yaratabilir. Bilgisayarlı görüyle elde edilen içgörüler, çiftçilerin çiftlik hayvanlarını yönetme ve onlara bakma süreçlerini kolaylaştırabilir. Bu makalede YOLOv8'in hayvan izleme yaklaşımını nasıl değiştirebileceğini inceleyeceğiz.

Görüntü tabanlı hayvan izlemeyle refahı artırmak#

Hayvanların sağlıklı olduğundan emin olmak için çiftlik hayvanlarını yakından izlemek çok önemlidir. Ancak izlenecek ve göz önünde bulundurulacak hayvan sayısının fazla olması bunu zorlaştırabilir. Yapay zekâ (AI) destekli hayvan izleme, hayvan davranışlarını gözlemlemek ve analiz etmek için gelişmiş bilgisayarlı görü tekniklerinden yararlanır. YOLOv8 gibi algoritmalar hayvanları gerçek zamanlı olarak izleyebilir ve girişim gerektiren sensörlere veya etiketlere ihtiyaç duymadan doğru veriler sağlayabilir.

Bu yöntem çiftliklerde, hayvanat bahçelerinde ve araştırma tesislerinde hastalık, stres veya rahatsızlığın erken belirtilerini saptamak için kullanılabilir ve daha hızlı bakım olanağı sağlar. Hayvanların beslenme alışkanlıklarını, sosyal etkileşimlerini ve etkinlik düzeylerini de izleyebiliriz. Örneğin, bilgisayarlı görüyle ineklerin ayakta mı durduğunu, oturduğunu mı yoksa yürüdüğünü mü belirlemek için incelenen inek görüntülerini ele alalım.

Şekil 1. Ultralytics YOLOv8 kullanılarak ineklerin davranış ve konumlarının izlenmesi.

Bir çiftçi, bir ineğin duruşunu yakından izleyerek o inek hakkında çok şey öğrenebilir. Genellikle çok ayakta duran veya yürüyen bir inek aniden daha fazla oturmaya başlarsa bu bir sağlık sorununa işaret edebilir. Çiftçiler, hayvan davranışlarını sürekli izleyerek sürülerinin sağlıklı olduğundan emin olabilir ve olağan dışı bir durum fark ettiklerinde hızla müdahale edebilir. Böylece hayvanlar için daha sağlıklı ve verimli bir ortam oluşturabilir, nihayetinde refahlarını artırıp iş gücü maliyetlerini azaltabilirler.

Hayvan izlemede AI ve geleneksel yöntemler#

Geleneksel hayvan izleme yöntemleri çoğunlukla elle gözleme ve hayvanları tanımlayıp izlemek için verileri kablosuz olarak radyo frekansıyla ileten RFID etiketleri gibi girişim gerektiren sensörlere dayanır. Ancak bu yöntemler zaman alıcı, emek yoğun ve bazen hayvanlar için stresli olabilir. Ayrıca bu etiketler genellikle pahalıdır; hayvanlardan kolayca düşüp kırılabilir. Bu tür sorunlar çiftçiler için büyük kayıplara yol açar. Örneğin, ABD'nin Montana eyaletinde 17.000 hayvanı (hepsi RFID etiketli) bulunan bir çiftlik, 406 Bovine'ın kurucusu Bryan Elliott'ın AgUpdate'te yayımlanan bir makalede belirttiğine göre bir yıl içinde yaklaşık 1.000 etiketi kaybetmişti.

Buna karşılık, hayvan izlemeye yönelik bilgisayarlı görü çözümleri girişim gerektirmeyen ve otomatik bir yaklaşım sunarak birçok avantaj sağlar. Bir hayvanın bulaşıcı bir hastalığa yakalandığını ve hastalığın diğer hayvanlara yayılmasını önlemek için karantinada tutulması gerektiğini varsayalım. Bilgisayarlı görü kullanarak hayvanı rahatsız etmeden sürekli izleyebiliriz. Sağlığındaki değişiklikleri hızla takip edip doğru bakımı daha çabuk sağlayabiliriz. Ayrıca uygulanan tedavilerin işe yarayıp yaramadığını kontrol etmeye ve hastalığın sürünün geri kalanına yayılmamasını sağlamaya yardımcı olur.

Şekil 2. Domuzların bilgisayarlı görüyle izlenmesi.

Hayvan davranışlarını analiz etmek için bilgisayarlı görü kullanmanın başlıca avantajlarından bazıları şunlardır:

• Hastalık veya stresin erken belirtilerini saptamada daha yüksek doğruluk.
• Doğal davranışları bozmayan sürekli izleme.
• İş gücü ve işletme maliyetlerinde önemli düşüş.
• Hayvan refahını ve çiftlik verimliliğini artıran, eyleme dönüştürülebilir bilgiler.

YOLOv8 hayvan davranışlarını izlemek için nasıl kullanılabilir?#

YOLOv8'i beslenme düzenlerini, hareketleri, sosyal etkileşimleri ve çok daha fazlasını izlemek için kullanabilirsin. YOLOv8; nesne algılama, nesne takibi ve poz tahmini gibi temel bilgisayarlı görü tekniklerinde üstün performans gösterir.

Bu bilgisayarlı görü görevlerini daha ayrıntılı inceleyelim:

• Nesne tespiti: Nesne tespiti, tek bir görüntü veya video karesi içindeki farklı nesneleri belirlemek ve etiketlemek için kullanılır.
• Nesne takibi: Nesne takibi, bir videonun birden fazla karesinde hareket eden, belirlenmiş nesneleri takip etmek için kullanılır.
• Poz tahmini: Poz tahmini, bir görüntü veya videodaki nesnelerin ya da vücut parçalarının tam konumlarını ve yönelimlerini belirlemek için kullanılır.

Şekil 3. YOLOv8 kullanılarak bir kaplanın pozunun tahmin edilmesi.

YOLOv8, bu görevler sayesinde hayvan davranışlarını izlemek ve analiz etmek için güçlü yetenekler sunar. YOLOv8, nesne tespitiyle bir sürüdeki hayvanları tek tek belirleyip sınıflandırarak etkinliklerini izleyebilir. Ardından YOLOv8 ile nesne takibi, her hayvanın zaman içindeki hareketlerini kare kare sürekli izlemeye yardımcı olabilir.

YOLOv8, bunu poz tahminiyle birleştirerek hayvanın fiziksel durumu ve davranışları hakkında ayrıntılı bir analiz sunabilir. Çiftçiler her hayvanın yemek, yürümek veya dinlenmek için ne kadar zaman harcadığını izleyebilir. Bu, sağlık sorunlarına işaret edebilecek hareketlerde azalma veya beslenme alışkanlıklarında değişiklik gibi davranış değişikliklerini fark etmeye yardımcı olur.

Şekil 4. YOLOv8 kullanılarak bir keçi sürüsünün sayılmasına örnek.

YOLOv8'i çeşitli görevlerde kullanma hakkında daha fazla bilgi için Ultralytics Kılavuzları sayfasını ziyaret et.

Hayvanları izlemek için yapay zekâ kullanan bir çiftçinin günlük yaşamı#

Yapay zekâ destekli hayvan izlemenin bir çiftçinin yaşamını ne kadar değiştirebileceğini anlaman için, yapay zekânın entegre edildiği bir günü birlikte gözden geçirelim.

Şekil 5. Yapay zekâ bir çiftçinin günlük yaşamını değiştirebilir.

Bir çiftçi sabah tabletinden hayvan izleme sistemini kontrol edebilir. Ahır ve tarlalardaki kameralar gece boyunca çiftlik hayvanlarını analiz etmiş ve her hayvanın sağlığı, davranışları ve etkinlikleri hakkında raporlar hazırlamış olur. Sistem, topallık belirtileri gösteren bir inek konusunda çiftçiyi uyarır ve çiftçi ineğe hemen bakım sağlayabilir.

Gün boyunca bilgisayarlı görü sistemleri hayvanları sürekli izler ve her hayvanın beslenme alışkanlıkları ile fiziksel durumuna ilişkin gerçek zamanlı gözlemlere göre otomatik yem miktarlarını ayarlar. Çiftçi sürüyü uzaktan izler ve kameraların tespit ettiği olağandışı faaliyetler veya sıkıntı belirtileri hakkında bildirimler alır. Akşam çiftçi, ertesi günü planlamak için verileri gözden geçirir.

Yapay zekâ, verilerdeki eğilimleri ve örüntüleri analiz ederek çiftçinin daha iyi kararlar almasına da yardımcı olabilir. Makine öğrenimi; en uygun besleme programlarını önermek, olası sağlık sorunlarını erkenden belirlemek ve çiftliğin genel verimliliği ile üretkenliğini artıracak değişiklikler önermek için kullanılabilir. GPT-4o gibi modellerin ortaya çıkmasıyla yapay zekânın çiftçiye faydalı bir asistan olması da mümkün hâle geldi.

Veterinerlik uygulamalarında ve ötesinde yapay zekâ#

Bilgisayarlı görü tabanlı hayvan izleme, tarımın ötesindeki birçok sektörde de büyük etki yaratıyor. Yaban hayatı korumada hayvanların izlenmesine, davranışlarının incelenmesine ve gerçek zamanlı gözetim ile uyarılar sayesinde kaçak avcılığın önlenmesine yardımcı oluyor. Örneğin Birleşik Krallık merkezli kâr amacı gütmeyen Conservation AI, pangolinler ve gergedanlar gibi nesli tükenme tehlikesi altındaki türlere yönelik tehditleri gerçek zamanlı olarak tespit etmek için bilgisayarlı görü kullanıyor. Dünya çapında konuşlandırılan yapay zekâ destekli kameraları, koruma uzmanlarının kaçak avcılığa ve diğer tehlikelere hızla müdahale etmesine yardımcı oluyor. Ayrıca, Google DeepMind'ın makine öğrenimi modelleri, hayvanları belirleyip saymak için Tanzanya'daki Serengeti Ulusal Parkı'ndan milyonlarca görüntüyü analiz ediyor. Bu görüntülerden elde edilen içgörüler, koruma uzmanlarının popülasyon dinamiklerini daha iyi anlamasına yardımcı oluyor.

Şekil 6. Yaban hayatını korumak için hayvanlarda nesne algılama.

Benzer şekilde, araştırma tesisleri hayvan davranışlarını ve sağlığını daha hassas ve daha az müdahaleci biçimde gözlemlemek için bilgisayarlı görü kullanıyor. Araştırmacılar daha iyi koruma stratejileri geliştirmek için değerli veriler ve içgörüler toplayabiliyor. Evcil hayvan bakımında otomatik mama kapları ve etkileşimli oyuncaklar gibi yapay zekâ destekli sağlık izleme araçları ve akıllı ürünler, evcil hayvanların refahını ve etkileşimini artırıyor.

Hayvanat bahçeleri ve akvaryumlar, hayvan refahını izlemek, hastalık veya stres belirtilerini tespit etmek ve etkileşimli sergilerle ziyaretçi deneyimini iyileştirmek için bilgisayarlı görü kullanıyor. Veterinerlik uygulamalarında yapay zekâ, hayvan sağlığının daha etkili izlenmesine ve dolayısıyla daha iyi tanı ve tedaviye yardımcı olabilir. Hayvan taşımacılığında bilgisayarlı görü, stres düzeylerini izleyerek ve mevzuata uyumu sağlayarak hayvanların refahını korumaya yardımcı olur. Genel olarak yapay zekâ destekli hayvan izleme, bu sektörlerde daha iyi hayvan bakımı sağlar.

Yapay zekâ destekli hayvan takibiyle ilgili zorluklar#

Yapay zekâ destekli hayvan takibinin pek çok faydasına rağmen, bu tür çözümleri uygulamak bazı zorlukları da beraberinde getiriyor. Önemli zorluklardan biri, çiftliklerde gelişmiş bilgisayarlı görü sistemlerini kurmanın başlangıç maliyetidir. Gerekli ekipmanı satın almak ve kurmak çok pahalı olabilir; bu da özellikle küçük çiftçiler için büyük bir engel oluşturabilir. Bu yeni teknolojileri benimsemek için mali yardıma veya teşviklere ihtiyaç duyabilirler.

Bir başka sorun da kırsal bölgelerde iyi bir internet bağlantısının olmamasıdır. Verileri bulutta işlemek ve çiftliği uzaktan izlemek için güvenilir bir internet bağlantısı hayati önem taşır. Güvenilir bağlantı olmadan çiftçiler, bulut tabanlı gerçek zamanlı izleme ve veri analizi sistemlerini kullanmakta zorlanabilir. Uç bilişim çözümleri, bulut bağlantısına ihtiyaç duymadan verileri yerel olarak işleyerek bu sorunu çözebilir.

Veri gizliliği ve güvenliği de önemli kaygılardır. Hassas tarımda daha fazla veri toplanıp paylaşıldıkça çiftçilerin bilgilerini yetkisiz erişime ve kötüye kullanıma karşı koruması gerekir. Çiftçilerin verilerini korumak ve bu gizlilik ve güvenlik sorunlarını ele almak için daha sıkı düzenlemelere ve sektör standartlarına ihtiyaç vardır.

YOLOv8 ile çiftçiliği kolaylaştırmak#

Yapay zekâ çiftçilerin uygulamalı deneyiminin yerini alamaz; ancak çiftlik hayvanlarımızı izleme biçimimizde önemli bir rol oynayabilir. Ultralytics YOLOv8 ve Ultralytics YOLO26 gibi daha yeni modelleri kullanan çiftçiler, hayvanlarının davranışları, beslenmeleri ve genel refahları hakkında pek çok şey öğrenebilir. Çiftliklerini daha kolay yönetebilir ve hayvanlarına daha iyi bakabilirler. Yapay zekâyla bütünleşmiş tarımın geleceği akıllı, verimli ve sürdürülebilir olmaktan geçiyor.

Yapay zekâ alanındaki en son gelişmelerden haberdar olmak için topluluğumuza katılmayı unutma! Yapay zekâ hakkında daha fazla bilgi edinmek için GitHub depomuzu ziyaret edebilir ve üretim ile sağlık hizmetleri gibi çeşitli alanlardaki çözümlerimizi inceleyebilirsin.