Primjena AI/ML i HPC za primjenu kompjuterske vizije u naprednim živinskim farmama
PROBLEM/IZAZOV
Praćenje pilića na velikim farmama je vrlo radno intenzivan i skup, a kako su primijetili predstavnici živinarske industrije može ometati produktivnost članova osoblja za druge zadatke. Uzgoj pilića kako bi se osiguralo dobrobit životinja, kao i humana proizvodnja hrane, znači pomno praćenje uslova okoline: mjerenje temperature zraka, vlažnosti zraka, CO2 i nivoa amonijaka je potrebno kao osnova za uspješnu proizvodnju. Uvid u tjelesnu temperaturu, ponašanje i rast pilića pruža mogućnost poduzimanja adekvatnih mjera na vrijeme. Kompanije DigitalSmart i DunavNET okupile su se oko pitanja kako iskoristiti AI i ML za razvoj senzora kompjuterskog vida koji mogu pratiti gore navedene parametre. To se može postići uz pomoć kamera instaliranih na farmama peradi i rubnih AI uređaja s integriranim modelima predviđanja ML. Međutim, obuka, odabir i kalibracija modela predviđanja koji se mogu prenijeti na rubne AI uređaje koristeći samo standardni računar bilo je izuzetno sporo, zamorno i stoga nije izvodljivo bez pristupa HPC-u.
RJEŠENJE:
Example of the object (chicken) detection and instance segmentation
Da bi pomogao farmerima da to ostvare, DunavNET se bavio praćenjem peradi na velikim farmama sa modernom platformom za digitalnu poljoprivredu zasnovanu na tehnologiji Interneta stvari (IoT). Algoritmi umjetne inteligencije i strojnog učenja korišteni su za kreiranje modela predviđanja kao što su brojanje pilića, otkrivanje mrtvih pilića i procjena njihove težine i veličine, što bi moglo ukazivati na pojavu određenih bolesti. HPC se koristi za efikasnu primjenu dubokog učenja za obuku i kasnije kalibraciju ovih modela predviđanja. Ovaj proces je doveo do stvaranja novog tipa senzora za preciznu poljoprivredu koji kombinuje kamere, Edge uređaje i IoT platformu kako bi se podržala sljedeća generacija peradarskih farmi. HPC je omogućio ključno, preko 10 puta poboljšanje u uštedi vremena za razvoj prilagođenih modela predviđanja. Ovo poboljšanje je ključno jer su modeli kalibrirani za specifične krajnje korisnike i postižu tačnost od preko 90% za detekciju i segmentaciju pilića. Ovi modeli se naknadno prenose u rubne IoT uređaje opremljene senzorima kamere. Takvi IoT uređaji, poboljšani vrhunskim AI mogućnostima i novim modelima predviđanja, predstavljaju nove građevne blokove za napredna rješenja pametne poljoprivrede za industriju peradi.
BENEFITI:
- Mnogo brže (minute u odnosu na sati/dane) otkrivanje bolesti ili abnormalnosti dovodi do poboljšanja dobrobiti životinja i boljeg kvaliteta poljoprivredno-prehrambenih proizvoda (poboljšanje ujednačenosti jata; eliminacija stresa kod pilića; praćenje stvarnog rasta; tačnost mjerenja težine) i također niže emisije stakleničkih plinova optimiziranjem stanja proizvodnje, otkrivanja mrtvih pilića.
- Rezultati dozvoljavaju farmama pilića da smanje i troškove ručnog rada i stopu smrtnosti pilića za 10%, uštedajući stotine hiljada eura godišnje.
- HPC povećava konkurentnost i inovativni potencijal malih i srednjih preduzeća u komercijalnom sektoru živinarstva. HPC je obezbedio tehnološke alate za mala i srednja preduzeća koji su potrebni za brz i efikasan razvoj pametnih rešenja za poljoprivredu korišćenjem mašinskog učenja i kompjuterske vizije za potrebe živinarske industrije. Kompjuterski komplet postao je dio ponude PoultryNET platforme, a postoji mogućnost da se takve komponente prodaju trećim dobavljačima aktivnim na tržištu rješenja za pametnu poljoprivredu.
Projekat je prikazan kao uspješna priča u knjižicama koje su izdali FF4EuroHPC [link].