HyperAI超神经

구제역 등의 질병으로 인한 젖소의 절름발이는 축산업계에 있어 세계적인 문제가 되었습니다. 대중 과학에 따르면, 이러한 변화는 우유 생산과 젖소의 번식 효율성을 감소시킬 뿐만 아니라, 젖소가 조기에 도태되는 결과를 초래한다고 합니다.국립 동물 건강 모니터링 서비스 유제품 산업 보고서에 따르면, 젖소 도태의 16%가 절름발이로 인한 것으로 나타났습니다.

절름발이는 유제품 산업이 직면한 가장 큰 위기 중 하나가 되었습니다. 따라서 조기 모니터링과 조기 예방은 대규모 낙농업에서 절름발이 문제를 해결하는 효과적인 수단이 되었습니다. 과거 유가공업에서는 일반적으로 수동식별방법을 사용하였으나, 이 방법은 효율성이 낮고, 비용이 많이 들며, 주관성이 강하다는 단점이 있다. 이러한 맥락에서,유제품 산업에서는 젖소의 절름발이를 자동으로 감지하는 기술에 대한 수요가 점점 커지고 있습니다.

최근, 뉴캐슬 대학의 숀 반니와 사트남 딜레이, 그리고 페라 사이언스 유한회사의 앤드류 크로우는 농장 전체에 배치할 수 있는 다수의 젖소를 위한 완전 자동화된 실시간 절름발이 감지 시스템을 공동으로 개발했습니다.이 시스템은 컴퓨터 비전과 딥러닝을 사용하여 카메라 시야 내에서 각 소의 자세와 걸음걸이를 분석하며, 감지 정확도는 94%~100%입니다.해당 연구 결과는 Nature에 게재되었습니다.

해당 연구 결과는 Nature에 게재되었습니다.

논문 링크:

https://www.nature.com/articles/s41598-023-31297-1#Sec7

실험 데이터 세트

이 실험에서 연구진은 먼저 영국의 한 농장에서 소 250마리의 움직임을 기록하고, 25개의 영상을 얻은 다음, 각 영상을 3,600개의 구성 프레임으로 나누었습니다. 둘째, 연구자들은 초당 한 프레임을 추출하여 주석을 달았습니다. 네트워크의 일반화 능력을 더욱 향상시키기 위해 그들은 구글에서 소와 관련된 사진 500장을 다운로드하고 각 소에 대해 15가지 핵심 사항에 주석을 달았습니다.이러한 이미지 검색 데이터를 우리의 주석 데이터와 결합하여 약 40,000개의 주석 정보가 포함된 데이터베이스를 얻었습니다.

실제 데이터를 사용하여 알고리즘의 성능을 평가하기 위해서는AHDB 인증 관찰자 3명이 AHDB 소 이동성 점수 시스템을 사용하여 25개 영상을 동시에 평가했습니다.이 시스템에는 4가지 평가 수준이 있습니다. 0(절름발이 전혀 없음), 1(약간 운동 장애 있음), 2(절름발이), 3(심각한 절름발이)입니다. 아래 그림은 세 명의 관찰자의 평가 분포를 보여줍니다.

그림은 다음을 보여줍니다.25.2%의 소는 절름발이 점수 0(주황색), 43.2%는 절름발이 점수 1(녹색), 25.6%는 절름발이 점수 2(빨간색), 6.0% 소는 절름발이 점수 3(회색)을 받았습니다.

실험 과정 및 결과

이 연구에서는카메라와 딥 합성곱 신경망(Mask-RCNN 알고리즘, SORT 알고리즘, CatBoost 알고리즘)을 사용하여 여러 소의 자세를 감지합니다.연구자들은 영상 속 소의 등과 머리의 주요 지점을 추적하고 절름발이 정도를 감지하기 위한 분석을 위해 관련 특징 지표를 추출했습니다.

자세 분석 알고리즘

연구진은 Mask-RNN(엔티티 분할 알고리즘)의 일부를 자체적으로 개발한 후,각 소의 자세를 추정하기 위해 자세 분석 알고리즘이 구축되었습니다.이 알고리즘은 구글 데이터세트에서 500개의 이미지와 250마리의 소 중 189마리의 소 이미지를 사용하여 훈련되었고, 나머지 61마리의 소는 최종 검증에 사용되었습니다.

동시에,이 알고리즘은 높은 정밀도로 15개의 핵심 지점을 찾아내고 자세 분석을 위해 각 지점의 구체적인 좌표를 출력합니다.등에는 핵심 포인트가 5개, 머리에 2개의 핵심 포인트가 있습니다.

추적 알고리즘

비디오를 구성 프레임으로 분해하는 것부터 각 이미지의 주요 지점에 주석을 달고 자세 분석을 위해 Mask-RNN을 적용하는 것까지 위의 모든 단계는 단일 정지 이미지를 기반으로 합니다. 따라서 실험에서는 시간에 따른 소의 움직임도 분석할 필요가 있습니다. 이와 관련하여,연구진은 SORT 알고리즘(실시간 추적 알고리즘)을 사용하여 시간 경과에 따른 소의 자세를 감지하고 등 회귀 곡선, 등 면적, 목 회귀 곡선 정도, 목 각도 등의 지표를 얻었습니다.

위 이미지는 첫 번째 프레임에 있는 세 마리의 소를 보여주며, 각 소는 다른 색으로 표시되어 있습니다. 가운데 이미지는 1초 후 소의 움직임을 보여주며, 추적 알고리즘이 표시된 소를 찾아 해당 색상으로 표시하는 데 성공했습니다. 마찬가지로, 아래 이미지는 1초 후의 소들의 움직임을 보여줍니다.

분류 알고리즘

자세 딥러닝 모델이 출력한 자세 분석 결과를 얻은 후,연구자들은 CatBoost 알고리즘을 사용하여 젖소의 절름발이에 대한 점수를 매기고 분류했습니다.여기서 최대의 일반화를 보장하기 위해 가장 중요한 포즈 특징 결과만 최종 훈련된 모델에 사용해야 한다는 점에 유의해야 합니다. 따라서 연구진은 일련의 변수 순열 분석을 수행한 후 최종적으로 중요하지 않은 지표 정보 4개를 삭제하면 모델 성능에 큰 영향을 미치지 않고도 오류를 줄일 수 있다는 결론을 내렸습니다.

마지막으로 CatBoost 알고리즘을 사용하여 정확도를 테스트하려면연구진은 삼중 교차 검증과 분류 검증 방법을 사용하여 모델 성능을 검증했습니다.그 중 삼중 교차 검증 결과는 알고리즘 모델이 절름발이 정도에 따라 각 소를 서로 다른 절름발이 점수 수준으로 신중하게 분류할 수 있음을 보여주었습니다.평균 정확도는 94%±0.05입니다.

요약하자면, 연구자들은 젖소의 절름발이를 감지하는 기존 시스템과 비교했을 때,이 연구는 다음과 같은 중요한 장점을 가지고 있습니다.

* 여러 마리의 소를 동시에 테스트할 수 있습니다.

* 소는 이동 방식을 기준으로 일반적으로 사용되는 AHDB 점수 시스템에 따라 분류됩니다.

* 시간 경과에 따라 각 개인을 추적하고 분석하는 능력.

* 완전 자동화되어 착유, 사료 공급 및 기타 생산에 영향을 미치지 않습니다.

마침내,연구자들은 또한 몇 가지 과제를 제기했습니다.

이 시스템은 절름발이 점수 0과 1을 구별하는 데 있어서 다른 점수를 구별하는 데 있어서보다 정확도가 훨씬 낮았습니다.연구팀은 앞으로 작은 특징 차이를 감지하는 능력을 향상시키는 데 집중할 예정이다.절름발이가 아닌 소와 약간 이동에 문제가 있는 소를 정확하게 구별합니다.
이 시스템은 결과를 처리를 위해 서버로 전송하는 에지 장치(예: 카메라, 모바일 장치, 태블릿)가 필요하므로 실시간 관찰이 가능합니다.네트워크 변경으로 인한 성능 변동을 줄이는 방법은 무엇인가요?이는 향후 연구의 초점이 될 것입니다.
이 시스템은 외부 환경 조건의 영향을 쉽게 받습니다. 예를 들어, 바닥과 소의 발굽의 색상이 비슷할 경우 Mask-RCNN 알고리즘의 인식 정확도가 떨어집니다.이 연구에서는 보다 일반화된 능력 훈련을 추가하는 것도 향후 작업의 초점이 될 것입니다.

황소! AI는 축산업의 디지털화를 촉진합니다

현재,AI의 바람이 축산업에 불어왔다는 것은 부인할 수 없는 사실이다.본 논문에서 소개하는 과학적 연구 결과 외에도 해외를 중심으로 축산의 규모가 크고 디지털 기반이 양호하여,AI는 이미 많은 성과를 달성했습니다.예를 들어, 네덜란드의 농업 기술 회사인 Connecterra는 소의 목에 착용하는 웨어러블 기기를 사용하여 소프트웨어와 하드웨어를 조정하여 소의 건강을 실시간으로 모니터링하는 Intelligent Dairy Farmer's Assistant(IDA) 시스템을 개발했습니다. 미국 목장주에 따르면,IDA의 적용은 10%의 생산성을 향상시키는 데 도움이 되었습니다.

우리의 관심을 다시 중국으로 돌려보면,한편, 최근 몇 년 동안 가축 산업에서 AI가 활용되는 사례가 많이 있습니다.알리바바는 몇 년 전부터 스마트 돼지 사육 사업을 시작했고, 화웨이도 차이나텔레콤, 인촨아오투와 손잡고 NB-IoT를 기반으로 한 '리틀 셰퍼드' 제품을 출시했습니다. 하지만 다른 한편으로는 가축 사육 분야에서 AI가 적용된 적용 범위가 아직은 그리 넓지 않다는 점도 짚어볼 필요가 있습니다. 이와 관련해 신무테크놀로지의 CEO는 다음과 같이 직설적으로 말한 적이 있다."국내 농가 대부분이 인공지능에 대해 이야기할 때, 그들이 이해하는 인공지능의 수준은 여전히 가장 전통적인 얼굴 인식과 음성 인식에 국한돼 있습니다."