Ultralytics YOLOv8 kullanarak hayvan davranışlarını izlemek

Birleşmiş Milletler'e göre, küresel nüfus 2050 yılına kadar 9.6 billion olacak. Dünya nüfusu arttıkça, sürdürülebilir tarım çözümleri oluşturmak için tarımda derin öğrenme gibi ileri teknolojilere yöneliyoruz. Ultralytics YOLOv8 gibi bilgisayarla görü algoritmaları, özellikle hayvan davranışlarının izlenmesi söz konusu olduğunda büyük bir fark yaratabilir. Bilgisayarla görü kullanılarak elde edilen içgörüler, çiftçilerin büyükbaş hayvanları yönetme ve bakım biçimlerini optimize etmelerine yardımcı olabilir. Bu makalede, YOLOv8'in hayvan izleme yaklaşımını nasıl değiştirebileceğini ele alacağız!

Görü tabanlı hayvan izleme ile refahı artırma#

Çiftlik hayvanlarını takip etmek, sağlıklarını korumanın anahtarıdır. Ancak, izlenmesi ve farkında olunması gereken çok sayıda hayvan olduğu için bu durum zor olabilir. Yapay zeka (AI) destekli hayvan izleme, hayvan davranışlarını gözlemlemek ve analiz etmek için gelişmiş bilgisayarlı görü teknikleri kullanarak bu sürece yardımcı olur. YOLOv8 gibi algoritmalar, hayvanları gerçek zamanlı olarak takip edebilir ve invaziv sensörlere veya etiketlere ihtiyaç duymadan doğru veriler sağlayabilir.

Bu sistemler; hastalık, stres veya rahatsızlığın erken belirtilerini tespit etmek ve daha hızlı müdahale sağlamak için çiftliklerde, hayvanat bahçelerinde ve araştırma tesislerinde kullanılabilir. Ayrıca hayvanların beslenme alışkanlıklarını, sosyal etkileşimlerini ve aktivite düzeylerini de izleyebiliriz. Örneğin, bilgisayarlı görü kullanılarak ineklerin ayakta mı, oturuyor mu yoksa yürüyor mu olduğunu belirlemek için kullanılan görüntüleri düşünebiliriz.

Fig 1. Ultralytics YOLOv8 kullanılarak ineklerin davranış ve konum takibi.

Bir ineğin duruşunu yakından izleyerek, çiftçi inek hakkında pek çok şeyi anlayabilir. Genellikle ayakta duran veya çok yürüyen bir inek aniden daha fazla oturuyorsa, bu bir sağlık sorununa işaret edebilir. Sürekli hayvan davranışı izleme sayesinde, çiftçiler hayvanlarının sağlıklı olduğundan emin olabilir ve bir şeyler ters gittiğinde hızlıca müdahale edebilirler. Hayvanlar için daha sağlıklı ve daha verimli bir ortam yaratarak sonuçta refahlarını iyileştirebilir ve iş gücü maliyetlerini azaltabilirler.

Hayvan izlemede yapay zeka ve geleneksel yöntemlerin karşılaştırılması#

Geleneksel hayvan izleme yöntemleri genellikle manuel gözlemlere ve RFID etiketleri gibi invaziv sensörlere dayanır; bu etiketler, hayvan tanımlama ve takibi için verileri kablosuz olarak iletmek üzere radyo frekansı kullanır. Ancak bu yöntemler zaman alıcı, iş gücü yoğun ve bazen hayvanlar için stresli olabilir. Ayrıca, bu etiketler genellikle maliyetlidir ve kolayca düşüp kırılabilirler. Bu tür sorunlar çiftçi için büyük kayıplara yol açar. Örneğin, AgUpdate'teki bir makalede 406 Bovine'in kurucusu Bryan Elliott tarafından belirtildiği üzere, ABD'nin Montana eyaletindeki 17.000 hayvanlı (hepsi RFID etiketli) bir çiftlik bir yılda yaklaşık 1.000 etiket kaybetmiştir.

Buna karşılık, hayvan izleme için bilgisayarlı görü çözümleri, birçok faydası olan invaziv olmayan, otomatik bir çözüm sunar. Bir hayvanda bulaşıcı bir hastalık olduğunu ve hastalığın diğer hayvanlara yayılmasını durdurmak için onu karantinada tutmanın önemli olduğunu varsayalım. Bilgisayarlı görü kullanarak, hayvanı rahatsız etmeye gerek kalmadan sürekli izleyebiliriz. Sağlığındaki değişimleri hızlıca gözlemleyebilir ve doğru bakımı daha çabuk sağlayabiliriz. Ayrıca tedavilerin işe yarayıp yaramadığını kontrol etmeye ve hastalığın sürünün geri kalanına yayılmadığından emin olmaya yardımcı olur.

Fig 2. Bilgisayarla Görüş Kullanarak Domuzların İzlenmesi.

Hayvan davranışlarını analiz etmek için bilgisayarla görü kullanmanın başlıca faydalarından bazıları şunlardır:

• Hastalık veya stresin erken belirtilerini tespit etmede artan doğruluk.
• Doğal davranışı bozmayan sürekli izleme.
• İş gücü ve operasyonel maliyetlerde önemli azalmalar.
• Hayvan refahını ve çiftlik verimliliğini artıran uygulanabilir içgörüler.

YOLOv8 hayvan davranışlarını izlemek için nasıl kullanılabilir?#

Beslenme düzenlerini, hareketleri, sosyal etkileşimleri ve çok daha fazlasını takip etmek için YOLOv8 kullanabilirsin. YOLOv8; nesne algılama, nesne takibi ve poz kestirimi gibi temel bilgisayarlı görü tekniklerinde üstün başarı sergiler.

Bu bilgisayarlı görü görevlerini daha ayrıntılı anlayalım:

• Object Detection: Nesne tespiti, tek bir görüntü veya video karesi içindeki farklı nesneleri tanımlamak ve etiketlemek için kullanılır.
• Object Tracking: Nesne takibi, tanımlanan nesnelerin bir videodaki birden fazla kare boyunca hareket ederken izlenmesini sürdürmek için kullanılır.
• Pose Estimation: Poz kestirimi, bir görüntü veya videodaki nesnelerin ya da vücut parçalarının tam konumlarını ve yönelimlerini belirlemek için kullanılır.

Fig 3. YOLOv8 Kullanılarak Bir Kaplanın Poz Kestirimi.

YOLOv8, bu görevler aracılığıyla hayvan davranışlarını izlemek ve analiz etmek için güçlü yetenekler sunar. Nesne algılama ile YOLOv8, faaliyetlerini izlemek için bir sürü içindeki bireysel hayvanları tanımlayabilir ve sınıflandırabilir. Ardından, YOLOv8 kullanan nesne takibi, her bir hayvanın hareketlerini zaman içinde kare kare sürekli takip etmeye yardımcı olabilir.

Bunu poz kestirimi ile birleştirerek, YOLOv8 hayvanın fiziksel durumu ve davranışının detaylı bir analizini sağlayabilir. Çiftçiler her bir hayvanın ne kadar süre yemek yediğini, yürüdüğünü veya dinlendiğini izleyebilir. Bu, sağlık sorunlarına işaret edebilecek azalmış hareket veya değişen beslenme alışkanlıkları gibi davranış değişikliklerini tespit etmeye yardımcı olur.

Fig 4. YOLOv8 kullanılarak bir keçi sürüsünün sayılmasına dair bir örnek.

YOLOv8'i çeşitli görevler için nasıl kullanacağın hakkında daha fazla detay için Ultralytics Guides sayfasını ziyaret et.

Hayvan izlemede yapay zeka kullanan bir çiftçinin bir günü#

Yapay zeka ile hayvan izlemenin bir çiftçinin hayatını ne kadar değiştirebileceğine dair sana fikir vermesi için, yapay zeka ile entegre bir gün geçirelim.

Fig 5. Yapay zeka bir çiftçinin günlük yaşamını değiştirebilir.

Sabahleyin bir çiftçi, hayvan izleme sistemini tableti üzerinden kontrol edebilir. Ahır ve tarlalardaki kameralar gece boyunca hayvanları analiz etmiş ve her bir hayvanın sağlığı, davranışı ve aktivitesi hakkında raporlar sunmuştur. Sistem, çiftçiyi topallık belirtileri gösteren bir inek konusunda uyarır ve çiftçi ineğe hemen bakım yapabilir.

Gün boyunca, bilgisayarlı görü sistemleri hayvanları sürekli izler ve her bir hayvanın yeme alışkanlıklarına ve fiziksel durumuna dair gerçek zamanlı gözlemlere dayanarak otomatik besleme porsiyonlarını ayarlar. Çiftçi, sürüye uzaktan göz atar ve kameralar tarafından tespit edilen herhangi bir olağandışı aktivite veya sıkıntı işareti hakkında bildirimler alır. Akşam olduğunda, çiftçi verileri inceleyerek ertesi günü planlar.

Yapay zeka ayrıca verilerdeki trendleri ve örüntüleri analiz ederek çiftçinin daha iyi kararlar almasına yardımcı olabilir. Makine öğrenmesi; optimal besleme programları önermek, potansiyel sağlık sorunlarını erken teşhis etmek ve hatta genel çiftlik verimliliğini ve üretkenliğini artırmak için değişiklikler önermek amacıyla kullanılabilir. En son ChatGPT sürümü olan GPT-4o gibi teknolojilerin ortaya çıkmasıyla birlikte, yapay zekanın çiftçi için yararlı bir asistan haline gelmesi bile mümkündür.

Veterinerlik uygulamalarında ve ötesinde yapay zeka#

Bilgisayarla görü tabanlı hayvan izleme, tarımın ötesinde birkaç endüstride de büyük bir etki yaratıyor. Yaban hayatı koruma çalışmalarında; hayvanları takip etmeye, davranışlarını incelemeye ve gerçek zamanlı gözetim ile uyarılar aracılığıyla kaçak avcılığı önlemeye yardımcı olur. Örneğin, Birleşik Krallık merkezli kar amacı gütmeyen Conservation AI, pangolin ve gergedan gibi nesli tükenmekte olan türlere yönelik tehditleri gerçek zamanlı olarak tespit etmek için bilgisayarla görü kullanıyor. Dünya çapında konuşlandırılan yapay zeka destekli kameraları, korumaciların kaçak avcılığa ve diğer tehlikelere karşı hızlı bir şekilde harekete geçmesine yardımcı oluyor. Ayrıca, Google DeepMind's machine learning models, Tanzanya'daki Serengeti Milli Parkı'ndan gelen milyonlarca görüntüyü analiz ederek hayvanları tanımlamak ve saymak için kullanılıyor. Bu görüntülerden elde edilen içgörüler, korumacıların popülasyon dinamiklerini daha iyi anlamasına yardımcı oluyor.

Fig 6. Yaban hayatı koruma için hayvanların nesne tespiti.

Benzer şekilde, araştırma tesisleri, hayvan davranışlarını ve sağlığını daha hassas ve daha az müdahaleci bir şekilde gözlemlemek için bilgisayarlı görü kullanır. Araştırmacılar, daha iyi koruma stratejileri için değerli veriler ve içgörüler toplayabilirler. Evcil hayvan bakımında ise yapay zeka destekli sağlık izleme araçları ve otomatik yemlikler ve etkileşimli oyuncaklar gibi akıllı ürünler, evcil hayvanların refahını ve etkileşimini artırır.

Hayvanat bahçeleri ve akvaryumlar; hayvan refahını izlemek, hastalık veya stres belirtilerini tespit etmek ve etkileşimli sergilerle ziyaretçi deneyimlerini geliştirmek için bilgisayarlı görü kullanır. Veterinerlik uygulamalarındaki yapay zeka, hayvan sağlığını daha etkili bir şekilde izlemeye yardımcı olarak daha iyi tanı ve tedaviye yol açabilir. Hayvan taşımacılığında, bilgisayarlı görü stres seviyelerini izleyerek ve düzenlemelere uyumu sağlayarak hayvanların refahını korumaya yardımcı olur. Genel olarak, yapay zeka destekli hayvan izleme, bu sektörlerde daha iyi hayvan bakımı sağlar.

Yapay zeka destekli hayvan takibi ile ilgili zorluklar#

Yapay zeka destekli hayvan takibinin birçok avantajına rağmen, bu tür çözümleri hayata geçirmede bazı zorluklar da bulunmaktadır. Başlıca zorluklardan biri, çiftliklerde gelişmiş bilgisayarla görü sistemleri kurmanın ilk maliyetidir. Gerekli ekipmanı satın almak ve kurmak oldukça pahalı olabilir; bu durum çiftçiler, özellikle de küçük ölçekliler için büyük bir engel teşkil edebilir. Bu yeni teknolojileri benimsemek için finansal desteğe veya teşviklere ihtiyaçları olabilir.

Bir diğer sorun ise kırsal bölgelerdeki zayıf internet bağlantısıdır. Güvenilir bir internet bağlantısı, bulut üzerinden veri işlemek ve işleri uzaktan izlemek için hayati önem taşır. Güvenilir bir bağlantı olmadan çiftçiler, bulut tabanlı gerçek zamanlı izleme ve veri analizi sistemlerini kullanmakta zorlanabilirler. Edge computing çözümleri, bulut bağlantısına ihtiyaç duymadan verileri yerel olarak işleyerek bu sorunu çözebilir.

Veri gizliliği ve güvenliği de büyük endişelerdir. Hassas tarımda daha fazla veri toplandıkça ve paylaşıldıkça, çiftçilerin bilgilerini yetkisiz erişime ve kötüye kullanıma karşı güvende tutmaları gerekir. Çiftçilerin verilerini korumak ve bu gizlilik ve güvenlik sorunlarını ele almak için daha sıkı düzenlemelere ve endüstri standartlarına ihtiyaç vardır.

YOLOv8 ile tarımı kolaylaştırma#

Yapay zeka, çiftçilerin uygulamalı deneyiminin yerini alamaz ancak büyükbaş hayvanlarımızı gözetim altında tutma biçimimizde önemli bir rol oynayabilir. En son Ultralytics YOLOv8 models gibi araçları kullanarak çiftçiler, hayvanlarının nasıl davrandığı, beslendiği ve genel refahları hakkında çok şey öğrenebilirler. Çiftliklerini daha kolay yönetebilir ve hayvanlarına daha iyi bakabilirler. Yapay zeka entegre tarımın geleceği tamamen akıllı, verimli ve sürdürülebilir olmakla ilgilidir.

Yapay zekadaki en son gelişmelerden haberdar olmak için community topluluğumuza katıldığından emin ol! Ayrıca GitHub repository sayfamızı ziyaret ederek ve manufacturing ile healthcare gibi çeşitli alanlardaki çözümlerimizi keşfederek yapay zeka hakkında daha fazla bilgi edinebilirsin.