ПетушИИный голос
Ушлые китайцы нашли новое применение машинного обучения в сельском хозяйстве. Вы не поверите — для выявления стресса среди кур на птицефабриках. Курам нельзя нервничать, это плохо сказывается на их размерах и яйценоскости.
🐔 Петухи и куры используют сложные акустические коммуникации, которые выходят далеко за пределы «ко-ко-ко» и «кукареку». Определённые сигналы сопровождают кладку яйца, другие связаны с опасностью или переживанием стресса. Цыплята сообщают о своём состоянии матери серией высокочастотных «возгласов» и т.д. Но на современных птицефабриках все эти крики остаются без ответа.
🐣 А между тем молчание цыплят — огромные деньги для сельхозпроизводителей. Ведь вовремя распознанные сигналы о стрессе, нехватке пищи, болезни или других проблемах птиц — это сэкономленные миллионы юаней.
🐥 Поэтому учёные из Городского университета Гонконга совместно с крупнейшим местным производителем кур Lingfeng Poultry Ltd. собрали аудиозаписи криков цыплят на фабрике компании в провинции Гуанси. Птицы здесь содержатся в клетках по 13-20 особей в каждой. Клетки поставлены в ангарах одна на другую в три ряда. В каждом ангаре набирается до 2500 особей.
🐤 Аудиозапись вели около года, собирая общий гвалт в ангаре, включая крики птиц, звуки работающих людей и техники, и т.д. Параллельно учёные отслеживали состояние птиц во всех клетках.
🐦 После обработки информации удалось выделить 3363 сигналов стресса и 1973 «нормальных», естественных звуков. Эти данные затем преобразовали в спектрограммы — изображения, показывающие, как меняется мощность сигнала на разных частотах. Спектрограммы весьма популярны среди специалистов в ИИ, так как позволяют превращать акустические данные в картинки, подходящие для обработки современными моделями компьютерного зрения.
🐔 Для этого была использована сверточная нейросеть VGG11, размеры которой уменьшили со 128 млн до всего 9,3 млн параметров, чтобы упростить и ускорить работу. Обученная в итоге модель смогла успешно выделить крики кур на общем звуковом фоне и определить стрессовые сигналы с эффективностью 97%. Причём в режиме реального времени. А это уже не курам на смех!
Почитать подробнее: научная статья в Journal of the Royal Society Interface
#Нейросети, #Обработка_изображений, #ИИ_в_промышленности, #Кейсы
Ушлые китайцы нашли новое применение машинного обучения в сельском хозяйстве. Вы не поверите — для выявления стресса среди кур на птицефабриках. Курам нельзя нервничать, это плохо сказывается на их размерах и яйценоскости.
🐔 Петухи и куры используют сложные акустические коммуникации, которые выходят далеко за пределы «ко-ко-ко» и «кукареку». Определённые сигналы сопровождают кладку яйца, другие связаны с опасностью или переживанием стресса. Цыплята сообщают о своём состоянии матери серией высокочастотных «возгласов» и т.д. Но на современных птицефабриках все эти крики остаются без ответа.
🐣 А между тем молчание цыплят — огромные деньги для сельхозпроизводителей. Ведь вовремя распознанные сигналы о стрессе, нехватке пищи, болезни или других проблемах птиц — это сэкономленные миллионы юаней.
🐥 Поэтому учёные из Городского университета Гонконга совместно с крупнейшим местным производителем кур Lingfeng Poultry Ltd. собрали аудиозаписи криков цыплят на фабрике компании в провинции Гуанси. Птицы здесь содержатся в клетках по 13-20 особей в каждой. Клетки поставлены в ангарах одна на другую в три ряда. В каждом ангаре набирается до 2500 особей.
🐤 Аудиозапись вели около года, собирая общий гвалт в ангаре, включая крики птиц, звуки работающих людей и техники, и т.д. Параллельно учёные отслеживали состояние птиц во всех клетках.
🐦 После обработки информации удалось выделить 3363 сигналов стресса и 1973 «нормальных», естественных звуков. Эти данные затем преобразовали в спектрограммы — изображения, показывающие, как меняется мощность сигнала на разных частотах. Спектрограммы весьма популярны среди специалистов в ИИ, так как позволяют превращать акустические данные в картинки, подходящие для обработки современными моделями компьютерного зрения.
🐔 Для этого была использована сверточная нейросеть VGG11, размеры которой уменьшили со 128 млн до всего 9,3 млн параметров, чтобы упростить и ускорить работу. Обученная в итоге модель смогла успешно выделить крики кур на общем звуковом фоне и определить стрессовые сигналы с эффективностью 97%. Причём в режиме реального времени. А это уже не курам на смех!
Почитать подробнее: научная статья в Journal of the Royal Society Interface
#Нейросети, #Обработка_изображений, #ИИ_в_промышленности, #Кейсы