Edge AI and IoT-Enabled Livestock Intrusion Detection and Automated Farm Protection Using YOLOv8s and MQTT-Enabled Event Notification
本文提出了一种结合了基于 YOLOv8s 的牛只检测、MQTT 驱动的通信以及自动声学威慑功能的边缘人工智能与物联网框架，旨在实现实时、自主的牲畜入侵监测与农场保护。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在深夜寂静的时刻，农户的生计往往悬于耕地与荒野的边界之上。几代人以来，牲畜误入农田的威胁一直是损失的常源，这需要持续的人力值守，或是使用那些动物极易突破的简单、静态的屏障。现代农业已开始通过结合两种强大技术的手段来回应这一古老的难题：一种是能够“看见”的人工智能，另一种是能够相互通信的网络化设备——物联网。前者允许机器在视频流中识别出特定的动物，而后者则使该机器能够在无需人员在场的情况下，立即向人类发出警报或触发物理响应。这种视觉与连接的交汇，提供了一种将被动监测转变为主动保护的方法，有望结束作物破坏以及牧民与农民之间的冲突循环。
研究人员 Caleb Olugbenga Oladepo、Akorede Bello Abeeb 和 Habeebullahi Opemipo Akinleye 构建了一个将这一概念转化为现实的统一框架。他们的研究题为《边缘人工智能与物联网赋能的牲畜入侵检测及自动化农场保护》，其研究内容超越了简单的观察，而是创造了一个农场的网络物理盾牌。他们并没有依赖分离的工具来进行观察和警告，而是将摄像头、智能计算机和响亮的警报器整合进了一个无缝的事件链中。这项发明的核心是一个将视频传输至经过专门训练以识别牛只的软件模型的摄像头。当软件发现牛时，它不仅仅是记录该事件；它会立即通过一个轻量级的消息系统向一个小型控制器发送信号，随后激活警报器以惊吓动物使其离开。同时，系统会向农民的手机发送数字警报，并将入侵记录保存到云端，确保农民确切知道发生了什么以及发生的时间。
团队使用包含数千张牛只图像的数据集对该系统进行了测试，教会了软件如何高可靠性地将动物从背景中区分出来。在实验中，该系统证明其识别牛的能力具有约 80% 的精确度（precision）和约 68% 的召回率（recall），这意味着它在捕捉大多数入侵行为的同时，也将误报率保持在较低水平。或许对现实中的农场而言更重要的一点是，该系统反应迅速。摄像头处理图像并判定牛存在的耗时仅为 132 毫秒多一点，而消息传输到报警控制器的过程仅用了极短的一瞬间。这种速度至关重要，因为它允许系统几乎即时做出反应，在动物造成显著作物损失之前将其阻止。
这种方法之所以与以往的尝试不同，在于其高度的集成性。许多早期的系统仅侧重于视觉检测或通知，在“看到问题”与“解决问题”之间留下了空白。这项研究通过将摄像头的“眼睛”直接连接到警报器的“声音”和云端的“记忆”，填补了这一空白。研究人员证明，从牛步入画面到警报响起、再到农民收到通知，整个过程都是自动完成且无需人工干预的。他们通过搭建包括小型微控制器和压电警报器在内的硬件，并观察其在软件检测到入侵时成功触发，验证了这一点。系统还会捕获事件图像并上传至云存储服务，创建一个供农民日后查阅的数字日志。
尽管结果令人鼓舞，但研究人员也谨慎地指出了目前工作的局限性。该系统是专门针对检测牛只进行训练的，并在受控条件下进行了测试，这意味着其性能在极端天气、浓雾或存在多种不同类型动物的环境下可能会有所变化。该研究并不声称已经解决了农场安全的所有问题，而是证明了一个全自动、端到端的保护系统是可行的。作者建议，未来的版本可以扩展到检测其他类型的牲畜或野生动物，甚至可以引入热成像摄像头等额外传感器，以便在黑暗环境下更好地工作。然而就目前而言，这项工作已成为一个具体的证明，证明了智能、自动化的守护者不再仅仅是一个理论上的构想，而是一个能够保护土地及其耕耘者的现实存在的工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。