Automated Segmentation and Tracking of Group Housed Pigs Using Foundation Models
تُظهر هذه الدراسة أن الجمع بين النماذج التأسيسية للرؤية واللغة سابقة التدريب مع معالجة لاحقة نمطية ومخصصة لمهام معينة يُمكّن من إنشاء نظام قابل للتوسع، وفعال في استهلاك الملصقات، ومتين للكشف الآلي، والتجزئة، والتتبع طويل الأمد للخنازير التي تعيش في مجموعات تحت ظروف إضاءة واحتجاب متنوعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
الصورة الكبيرة: تعليم الكمبيوتر مراقبة الخنازير بدون دليل إرشادي
تخيل أنك تحاول تعليم روبوت مراقبة حظيرة تحتوي على 100 خنزير مرح. في الماضي، للقيام بذلك، كان عليك أن تعمل كمعلم صارم: سيتعين عليك عرض آلاف الصور على الروبوت، والإشارة إلى كل خنزير على حدة، ورسم مربع حولهم، وقول: "هذا خنزير. هذا خنزير. وهذا ليس خنزيراً". هذه العملية بطيئة، ومكلفة، وإذا نقلت الروبوت إلى مزرعة أخرى بإضاءة مختلفة أو سلالات خنازير مختلفة، فستضطر إلى بدء الدرس من جديد.
تقدم هذه الورقة طريقة جديدة: نهج "المتدرب الذكي".
بدلاً من تدريب الروبوت من الصال صفر، استخدم الباحثون "نموذج تأسيسي" (Foundation Model). فكر في هذا النموذج على أنه متدرب فائق الذكاء قرأ بالفعل كل كتاب، وشاهد كل فيلم، ورأى كل صورة على الإنترنت. هذا المتدرب يعرف بالفعل ما هو "الخنزير"، وما هي "الحظيرة"، وكيف تتحرك الأشياء، دون الحاجة لأن تعلمه الأساسيات.
كان هدف هذه الدراسة هو معرفة ما إذا كان بإمكاننا فقط أن نقول لهذا المتدرب الذكي: "مهلاً، راقب هذه الخنازير"، ليقوم بالمهمة على أكمل وجه، حتى عندما تنام الخنازير في كومة واحدة أو يكون الوقت مظلماً تماماً في الخارج.
سير العمل المكون من ثلاث خطوات
بنى الباحثون نظاماً يتكون من ثلاثة أجزاء رئيسية، مثل فريق سباق التتابع:
1. الراصد (الكشف - Detection)
- المهمة: العثور على الخنازير في الفيديو.
- الأداة: Grounding-DINO.
- التشبيه: تخيل حارس أمن يحمل جهاز لاسلكي. تقول للحارس: "ابحث عن الخنازير". يمسح الحارس الغرفة ويشير بإصبعه إلى كل خنزير يراه.
- النتيجة: كان الحارس رائعاً خلال النهار (عند رؤية خنازير واضحة وملونة). ولكن في الليل، عندما تتحول الكاميرات إلى الأشعة تحت الحمراء بالأبيض والأسود (مثل الرؤية الليلية الشبحية)، ارتبك الحارس قليلاً وفقد بعض الخنازير أو أشار إلى الظلال.
2. المتتبع (التتبع قصير المدى - Short-Term Tracking)
- المهمة: بمجرد أن يرصد الحارس خنزيراً، يرسم حوله خطاً خارجياً رقمياً ويتبعه لمدة دقيقة.
- الأداة: SAM2 (نموذج التجزئة Anything 2).
- التشبيه: فكر في هذا كأنه قلم تحديد (Highlighter) عالي التقنية. بمجرد أن يشير الحارس إلى خنزير، يقوم قلم التحديد فوراً برسم خط مضيء حول جسم ذلك الخنزير المحدد. ويستمر في رسم هذا الخط بينما يتحرك الخنزير أو يركض أو يقفز.
- المشكلة: الخنازير فوضوية. فهي تنام في أكوام (مثل كومة الملابس). أحياناً يرتبك قلم التحديد ويرسم خنزيرين ككتلة واحدة كبيرة، أو يرسم الخلفية بدلاً من الخنزير.
3. المدير (التتبع طويل المدى - Long-Term Tracking)
- المهمة: تتبع الخنازير لساعات، والتأكد من أن الخنزير رقم 1 يظل هو الخنزير رقم 1 ولا يصبح فجأة الخنزير رقم 5.
- التشبيه: هذا هو قائد الفريق.
- إذا فقد قلم التحديد خنزيراً لأنه ذهب خلف جدار، يتذكر القائد: "حسناً، الخنزير رقم 1 خلف الجدار، لكنني أعرف من أين جاء".
- إذا ارتبك قلم التبديل وتبادل الهويات (ظناً منه أن الخنزير رقم 1 هو الخنزير رقم 2)، يتدخل القائد، ويتحقق من "بطاقات الهوية" (الميزات البصرية)، ويصلح الخطأ.
- يمتلك القائد أيضاً خطوة "ضبط الجودة": إذا رسم قلم التحديد شكلاً غريباً، يقوم القائد بمسحه وإعادة رسمه بشكل صحيح.
النتائج: كيف كان أداؤهم؟
اختبر الباحثون هذا النظام على فيديوهات حقيقية من مزارع. وإليكم ما حدث:
- سحر "التعلم الصفري" (Zero-Shot): لم يدربوا النموذج على أي بيانات تخص الخنازير مسبقاً. لقد أعطوه فقط النص الوصفي "خنزير"، وعمل النظام. الأمر يشبه توظيف طاهٍ لم يطبخ أبداً في مطبخك، لكنه يعرف كيف يطبخ أي شيء لأنه رأى كل وصفة في العالم.
- الدقة:
- في النهار: كان النظام دقيقاً للغاية، ويكاد يكون مثالياً.
- في الليل: واجه بعض الصعوبات لأن الصور بالأبيض والأسود أصعب في القراءة، لكنه لا يزال يؤدي عملاً جيداً.
- مشكلة "كومة الخنازير": عندما تنام الخنازير فوق بعضها البعض، يرتبك النظام أحياناً. ومع ذلك، قامت وحدة "المدير" بإصلاح معظم هذه الأخطاء باستخدام المنطق (على سبيل المثال: "الخنازير لا تطفو، لذا فإن تلك الأذن الطافية يجب أن تنتمي إلى الخنزير الموجود تحتها").
- الهوية: في فيديو مدته ساعتان، تتبع النظام الخنازير دون أن يفقد هويتها أو يخلط بين أسمائها. لقد كان الأمر أشبه بعملية نداء أسماء مثالية.
لماذا هذا مهم (ما الفائدة من ذلك؟)
1. لا مزيد من جحيم "توسيم البيانات" (Labeling):
في الأيام الخوالي، لكي تجعل الكمبيوتر يتتبع الخنازير، كنت بحاجة إلى فريق من الأشخاص يقضون أسابيع في رسم مربعات حول الخنازير في آلاف الصور. مع هذه الطريقة الجديدة، لست بحاجة إلى ذلك. أنت فقط بحاجة إلى "المتدرب الذكي" (النموذج التأسيسي). وهذا يوفر كميات هائلة من الوقت والمال.
2. مقاس واحد يناسب الجميع (تقريباً):
بما أن النموذج ذكي جداً، فلا يتعين عليك إعادة تدريبه في كل مرة تنتقل فيها إلى مزرعة جديدة. إنه يشبه امتلاك جهاز تحكم عن بعد عالمي يعمل على جميع أنواع أجهزة التلفاز، بدلاً من الحاجة إلى جهاز تحكم مختلف لكل تلفاز.
3. القابلية للتوسع:
يمكن استخدام هذه التكنولوجيا في آلاف المزارع على الفور. فهي تسمح للمزارعين بمراقبة صحة وسلوك حيواناتهم على مدار الساعة طوال أيام الأسبوع دون توظيف المزيد من الموظفين.
التحديات المتبقية
إنه ليس مثالياً بعد.
- "الثقب الأسود" للاحتجاب (Occlusion): إذا كان الخنزير مدفوناً تماماً تحت ثلاثة خنازير أخرى، فإن الكاميرا حرفياً لا تستطيع رؤيته. لا يمكن لأي كمبيوتر أن يرى من خلال جدار صلب من الخنازير. يجب على النظام أن يخمن مكان ذلك الخنزير حتى يظهر مجدداً.
- الرؤية الليلية: يعمل النظام بشكل أفضل مع الألوان. في الظلام، يكون الأمر أشبه بمحاولة قراءة كتاب في غرفة خافتة الإضاءة.
- قوة الكمبيوتر: هؤلاء "المتدربون الأذكياء" ثقيلون جداً. إنهم يحتاجون إلى أجهزة كمبيوتر قوية للعمل، مما قد يكون مكلفاً للغاية أو ضخماً بحيث يصعب وضعه داخل حظيرة خنازير مليئة بالغبار والرائحة في الوقت الحالي. يأمل الباحثون في جعلهم أصغر وأخف وزناً في المستقبل.
الخلاصة
تثبت هذه الورقة أنه يمكننا استخدام "الذكاءات الفائقة" للذكاء الاصطائي لمراقبة مواشينا. بدلاً من بناء روبوت من الصفر لكل مزرعة، يمكننا استخدام نموذج مسبق التدريب، فائق الذكاء، يحتاج فقط إلى القليل من التوجيه (مثل وحدة "المدير") للتعامل مع الواقع الفوضوي لمزرعة الخنازير. إنها خطوة ضخمة نحو زراعة مؤتمتة بالكامل وخالية من التوتر، حيث تقوم الحواسيب بالمراقبة ليتفرغ البشر للرعاية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.