یک تیم پژوهشی در مقالهای تازه در arXiv مدلی مبتنی بر YOLOv8 ارائه کرده است که میتواند علائم ظاهری بیماریهای مرغ را از روی تصاویر بهصورت زمان واقعی شناسایی کند. این روش به مرغداران کمک میکند بیماریها را زودتر تشخیص دهند، از شیوع جلوگیری کنند و امنیت زیستی را ارتقاء دهند.
🔹 جزئیات علمی
- این مدل با هزاران تصویر از مرغهای سالم و بیمار آموزش داده شد.
- YOLOv8 ویژگیهای ظاهری و حرکات غیرعادی را شناسایی میکند (مثل افتادگی بال، بیحالی یا تغییر رنگ تاج).
- نتیجهٔ تحلیل بلافاصله به سیستم هشدار ارسال میشود تا مرغدار بتواند اقدامات لازم را سریعتر انجام دهد.
- این سامانه میتواند در سالنهای صنعتی نصب شود و با دوربینهای سادهٔ امنیتی کار کند.
🔹 نتایج کلیدی
- دقت مدل در شناسایی علائم بیماری در تستهای میدانی بالای ۹۰٪ گزارش شده است.
- زمان پردازش هر تصویر کسری از ثانیه است و میتواند بهصورت زنده گلههای بزرگ را پایش کند.
- کاهش نیاز به حضور مستمر نیروی انسانی برای پایش نشانههای بیماری.
🔹 پیام برای صنعت طیور
- استفاده از هوش مصنوعی در مرغداریها بهویژه در پایش رفاه و سلامت گلهها، میتواند به کاهش تلفات و هزینههای درمانی منجر شود.
- این فناوری گامی مهم به سوی مرغداری هوشمند و پایدار است.
- میتواند در آینده با دیگر سامانههای خودکار تغذیه و تهویه ترکیب شود تا یک اکوسیستم خودکار در مزرعه ایجاد شود.
نحوهٔ کار Roboflow در آمادهسازی و پیشپردازش دادهها
خروجی مدل؛ مرغهای سالم و بیمار با جعبههای دورشان و برچسب بیماری (Fowl Pox, Newcastle, Infectious Coryza) مشخص شدهاند
این خبر توسط تحریریهٔ EggTimesNews منتشر شده و حفظ حقوق ناشر الزامی است.
