💻 علوم الحاسوب

ECL-YOLOv8: An improved YOLOv8-based algorithm for detecting cattle faces and muzzles in complex open pasture environments

تقترح هذه الدراسة نموذج ECL-YOLOv8، وهو نموذج محسّن يعتمد على YOLOv8، يعزز بشكل كبير من متانة ودقة الكشف المتزامن عن وجوه الماشية وخطامها في بيئات المراعي المفتوحة المعقدة مقارنة بالخوارزمية الأساسية.

المؤلفون الأصليون: Juan Liu¹, Shuai Zhang¹, Yuhang Li¹, Hao Zhang¹, Zishuai Jia¹, Yuning Ding¹, Runa Liu¹, Jie Hu¹

نُشر 2026-11-06

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Juan Liu¹, Shuai Zhang¹, Yuhang Li¹, Hao Zhang¹, Zishuai Jia¹, Yuning Ding¹, Runa Liu¹, Jie Hu¹

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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

في المناظر الطبيعية الشاسعة والمفتوحة لتربية المواشي الحديثة، تتطلب إدارة القطيع ما هو أكثر من مجرد عين راعٍ؛ فهي تتطلب نظاماً يمكنه التعرف على كل حيوان كفرد فريد. لعقود من الزمن، اعتمد المزارعون على العلامات الجسدية، أو ثقوب الأذن، أو حتى الوسم لتتبع ماشيتهم، وهي طرق تنطوي غالباً على عدم راحة للحيوان أو خطر سقوط العلامات. وقد ظهر نهج أكثر لطفاً وكفاءة في السنوات الأخيرة: استخدام وجه الحيوان وأنفه كبطاقة هوية طبيعية. تماماً كما أن بصمة الإصبع البشرية فريدة لشخص واحد، فإن نمط التعرجات والمسام على خطم البقرة متميز عن ذلك الحيوان تحديداً، مما يوفر طريقة دائمة وغير جراحية لتحديده. ومع ذلك، بينما أصبحت أجهزة الكمبيوتر جيدة جداً في التعرف على الوجوه في الإعدادات المحكومة التي تشبه الاستوديوهات، فإن عالم المراعي الحقيقي أكثر فوضوية بك كثيراً. فالأبقار ترعى في الطين، وتقف خلف الأسوار، وتتحرك على مسافات مختلفة، وتواجه ضوء شمس متغير، وكل هذه العوامل تشتت أنظمة الرؤية الحاسوبية القياسية.

ولحل هذه المشكلة، طور فريق من الباحثين من جامعة شانشي الزراعية برنامجاً حاسوبياً جديداً مصمماً خصيصاً للعثور على الماشية وتحديدها في هذه الظروف الواقعية الفوضوية. لقد بنوا نظامهم فوق أداة قوية موجودة تُعرف باسم YOLOv8، وهي نوع من الذكاء الاصطناعي المشهور بسرعته وقدرته على رصد الأشياء في الصور. أدرك الباحثون أنه بينما كان بإمكان النسخة القياسية من هذه الأداة العثور على بقرة، إلا أنها كانت غالباً ما تعاني لتحديد تفاصيل الوجه والخطم بدقة عندما يكون الحيوان بعيداً، أو مخفياً جزئياً، أو مغطى بالأوساخ. ولإصلاح ذلك، أنشأوا نسخة مطورة يطلقون عليها ECL-YOLOv8. يعمل هذا النموذج الجديد مثل مجموعة من العدسات والمرشحات المتخصصة التي تساعد الكمبيوتر على التركيز على الأجزاء الصحيحة من الصورة. فهو يستخدم تقنية للنظر إلى وجه البقرة عبر مقاييس متعددة في آن واحد، مما يضمن عدم تفويت أي تفصيل صغير سواء كان الحيوان قريباً أو بعيداً. كما يتضمن آلية مرنة يمكنها تعديل رؤيتها للتعامل مع الطريقة التي قد يبدو بها وجه البقرة مختلفاً عند مضغ الطعام، أو تحريك رأسها، أو الوقوف في وضعية غريبة. وأخيراً، يضيف طبقة من الحدة مخصصة للخطم، مما يساعد النظام على تجاهل الضوضاء الخلفية المشتتة مثل الأسوار أو الطين والتركيز على النسيج الفريد للأنف.

اختبر الفريق نظامهم الجديد على مجموعة كبيرة من الصور التي التقطوها بأنفسهم في مزرعة ماشية لحم في مقاطعة شانشي. لم تكن هذه الصور لقطات استوديو مثالية؛ بل التقطت الأبقار في حالات صعبة متنوعة، بما في ذلك مشاهد من مسافات طويلة، وحيوانات محجوبة جزئياً بمعدات المزرعة، ووجوه ملطخة بالطين. وعندما قاموا بتشغيل نموذج ECL-YOLOv8 الجديد مقابل النسخة الأصلية غير المعدلة، كانت النتائج واضحة. نجح النظام المطور في تحديد وجه البقرة وخطمها في 92.6% من الحالات، وهي قفزة كبيرة عن النسخة الأساسية. والأهم من ذلك، أصبح النظام أفضل بكثير في العثور على الخطم، وهو الهدف الأصغر والأصعب في الرصد. فقد حسن النموذج الجديد دقة اكتشاف الخطم بمقدار 5.3 نقطة مئوية مقارنة بالنسخة القياسية، كما وجد الخطم في 81.7% من جميع المحاولات، بزيادة قدرها 4.2 نقطة مئوية عن النسخة الأصلية. وهذا يعني أن النظام أقل عرضة لفقدان البقرة أو الخلط بين واحدة وأخرى، حتى عندما يكون الحيوان في حالة حركة أو عندما تكون الإضاءة ضعيفة.

كما قارن الباحثون عملهم بعدة نماذج رؤية حاسوبية شهيرة أخرى لمعرفة مدى تفوقهم على المنافسين. وقد تفوق نموذجهم الجديد على هذه الأنظمة الأخرى في معظم الفئات، لا سيما في قدرته على التعامل مع واقع المراعي المعقد والفوضوي. وبينما يتطلب النظام قوة حوسبة أكبر قليلاً للتشغيل مقارنة بالنسخ الأبسط، إلا أن المقايضة هي الحصول على نتيجة أكثر موثوقية. وتخلص الدراسة إلى أن هذا النهج يقدم حلاً قوياً لمستقبل الزراعة الذكية، حيث يمكن للأنظمة المؤتمتة مراقبة القطعان دون إزعاجها. ومن خلال جعل تحديد هوية الماشية بدقة أمراً ممكناً في البرية، تمهد هذه التكنولوجيا الطريق لإجراء فحوصات صحية مؤتمتة، ومراقبة الوزن، وإدارة أفضل للقطيع بشكل عام، كل ذلك مع الحفاظ على هدوء الحيوانات وعدم إزعاجها في بيئتها الطبيعية.

أبحاث مشابهة