Aplikace strojového učení v chovu hospodářských zvířat

Eliška Blahová

Bachelor's thesis

Application of machine learning in livestock breeding

Abstract:

Cílem bakalářské práce bylo vytvoření literární rešerše popisující technologie strojového učení a jejích možných aplikací v chovu hospodářských zvířat. Z přehledu literatury je patrné, že rozvíjející se výzkum a aplikace technologického pokroku zahajují rozvoj precizního chovu hospodářských zvířat prostřednictvím senzorů. Mezi nejznámější senzory patří kamery, termokamery a fotoaparáty, které slouží k zachycení informací jako je obraz, zvuk teplota, ale také třeba i chování. Získané informace ze senzorů se kombinují s algoritmy pro neinvazivní sledování zvířat s cílem zjistit jejich welfare. Zpracovaná data se ukládají lokálně, v místě měření, nebo jsou odesílaná přímo do zpracovatelského uzlu, kde jsou vyhodnocena pomocí algoritmů. Výsledkem je ukazatel konkrétního stavu například procentuální podíl tuku v jatečně upraveném těle. Dálkové monitorování hospodářských zvířat může poskytnout kvantitu informací, a proto včasné upozornění na neobvyklé situace v chovu, které vyžadují pozornost chovatele. Práce zahrnuje popis terminologie, strojového učení, ale také výzkum. Práce se zabývá komerčními aplikacemi v oblasti dálkového rozpoznávání a monitorování zvířat. Práce popisuje, jak mohou nástroje precizního chovu zlepšit samotný chov zvířat. Mezi hlavní aplikace strojového učení patří zobrazovaní a analýza obrazu, počítačové vidění, 3D zobrazování a infračervená termografie. Z přehledu literatury vyplývá, že využití umělé inteligence v chovu zdokonaluje a usnadňuje řízení stáda. Bohužel jeho rozsáhlejší využití zpomalují vysoké vstupní náklady a nedostatek kvalifikovaných pracovníků.

Abstract:

The aim of the bachelor thesis was to create a literature search describing machine learning technologies and their possible applications in livestock breeding. A review of the literature shows that evolving research and the application of technological progress are initiating the development of precision livestock farming through sensors. The most well-known sensors include cameras, thermal imagers and cameras, which are, used to capture information such as image, sound temperature, but also behavior. The information obtained from the sensors is combined with algorithms for non-invasive animal tracking to determine their welfare. The processed data are stored locally, at the measurement site, or are sent directly to the processing node, where they are evaluated using algorithms. The result is an indicator of a specific condition, such as the percentage of fat in the carcase. Remote monitoring of livestock can provide a quantity of information and therefore early warning of unusual farming situations that require the attention of the breeder. The work includes a description of terminology, machine learning, but also research. The work deals with commercial applications in the field of remote animal recognition and monitoring. The work describes how precision breeding tools can improve the breeding of animals. The main applications of machine learning include image imaging and analysis, computer vision, 3D imaging and infrared thermography. A review of the literature shows that the use of artificial intelligence in breeding improves and facilitates herd management. Unfortunately, its wider use is slowed by high input costs and a shortage of skilled workers.

Keywords

technologie, prase, strojové učení

Keywords

technology, machine learning, pig

Language used: Czech

Date on which the thesis was submitted / produced: 22. 4. 2022

Thesis defence

• Supervisor: doc. Ing. Jaroslav Čítek, Ph.D.

Czech University of Life Sciences Prague

Faculty of Agrobiology, Food and Natural Resources

Bachelor programme:
Animal Production