Исследователи разработали систему компьютерного зрения GoatKRNet, которая бесконтактно определяет размеры молочных коз по трехмерным снимкам. Технология заменяет ручные замеры рулеткой и мерной вилкой – эти процедуры отнимают много времени, зависят от внимательности оператора и вызывают у животных стресс, что мешает работе фермы и искажает результаты.
Автоматика позволяет быстро и объективно оценивать экстерьер, чтобы точнее управлять стадом, вести селекцию и следить за здоровьем скота. Раньше такие алгоритмы и открытые базы 3D-данных создавали в основном для крупного рогатого скота и свиней, и переносить их напрямую на мелкий рогатый скот не получалось. У коз иные пропорции конечностей, более худощавое тело, подвижная стойка, а также характерная форма головы и рогов. К тому же в открытых базах не было трехмерных моделей коз с разметкой по отдельным частям тела.
Чтобы восполнить этот пробел, ученые собрали коридор с восемью синхронизированными камерами глубины Azure Kinect DK. Боковые датчики закрепили в 0,8–1 метре от центра прохода, а верхний – на высоте около двух метров. Когда коза заходила внутрь, фотоэлектрические сенсоры закрывали пневматические ворота, а тросовый ограничитель ненадолго фиксировал животное на месте. На коммерческой ферме таким способом отсняли 52 козы зааненской породы в возрасте от 6 до 18 месяцев и собрали базу GoatPart3D-8V из 614 очищенных трехмерных моделей.
Лишний фон вроде ограждений, пола и металлической рамы отсекала модель Segment Anything, после чего программа объединяла кадры со всех восьми ракурсов в единую 3D-модель, удаляла шумы и сжимала каждое облако до 2048 точек. Затем оператор вручную разделил все модели на семь зон: голову, передние и задние ноги, грудь, живот, круп и хвост. На этих примерах обучили нейросеть GoatKRNet, объединив архитектуру PointNeXt с двумя новыми модулями (MFPC и ESC), которые помогают одинаково четко выделять и тонкие ноги, и широкое туловище.
На тестовых данных GoatKRNet распознала части тела с общей точностью 94,64% и обошла существующие модели, в том числе PointNeXt, PointGL и PCM. По размеченным участкам алгоритмы вычислили шесть ключевых промеров: длину и высоту тела, высоту в крестце, ширину и обхват груди, а также ширину зада. Работу системы проверили на 72 козах зааненской породы, сопоставив расчеты с ручными замерами. Средняя абсолютная ошибка по всем показателям составила 2,08 сантиметра, или 4,17%. Точнее всего программа определяла ширину зада и груди (отклонение 1,35 и 1,4 сантиметра), тогда как при вычислении длины тела и обхвата груди погрешность достигала 2,49 и 2,75 сантиметра соответственно.
Во всех шести категориях 3D-система немного завышала показатели по сравнению с обычной рулеткой. Авторы работы связывают это с шерстью: при ручном замере лента прижимает покров, а оптические сенсоры считывают его внешний контур. Показатели высоты в холке расходились сильнее – ученые предполагают, что на них повлияли мелкие неровности пола или то, как животные меняли позу во время съемки, хотя отдельно эти факторы не проверяли. Пока установку испытали только на одной породе и в закрытом проходе одной фермы, поэтому исследователям еще предстоит проверить алгоритм на других породах, в свободном стаде и при разном освещении.