★ 電腦視覺在畜牧業中的主要應用（2023 指南）

電腦視覺在農業中的應用 - 4 個經證實的用途

基於 YOLOv3 演算法的動物監測系統，用於農業中的物件檢測。

最近，電腦視覺（CV）領域在農業中越來越受到關注。電腦視覺技術正在透過允許非接觸式和可擴充的感測解決方案，來改變農業的運作方式。將電腦視覺技術與透過遠端攝影機獲取影像相結合，在農業領域開闢了一系列新的應用，從智慧自動化節省生產成本到提高生產力。

本報導概述了農業和智慧農業應用的電腦視覺。特別是，我們將研究：牲畜、家禽或水產養殖監測、作物監測和產量估算、安全性和合規性監控

關於我們：Viso.ai 提供領先的端到端電腦視覺平台 Viso 套件。該技術使組織能夠建構、交付和擴充其電腦視覺應用。為你的公司獲取演示。

Viso Suite 是端到端電腦視覺應用程式基礎設施

農業中的電腦視覺在人工智慧（AI）和電腦視覺方面，農業領域在植物健康檢測和監測、種植、除草、收穫，和天氣條件高階分析等領域，做出了許多貢獻。

許多智慧農業應用案例，透過提供關於整個耕作過程的有用見解，促進即時營運決策，並透過引入現場智慧感測器和裝置，來加強耕作實踐，從而影響整個食品供應鏈。

動物檢測：用 YOLOv7 檢測綿羊的電腦視覺

電腦視覺在農業中有多大幫助？

電腦視覺是人工智慧的一個子領域，使機器能夠像人類一樣，感知和解釋視覺世界。透過將電腦視覺技術與遠端攝影機相結合進行影像採集，農業中實現了非接觸式和可擴充的感測解決方案。

農業中的一些應用包括人工智慧驅動的動物監測、視覺品質控制、品質標準自動檢查和基礎設施監控。此外，電腦視覺有可能透過使用影像分析，來檢測植物健康、生長模式和潛在壓力因素，從而顯著改善作物監測和產量預測。

電腦視覺的人工智慧技術趨勢

一般來說，電腦視覺分為三個基本步驟：

（1）從攝影機獲取圖像/影像，

（2）處理影像，以及

（3）理解影像。

最近，新的深度學習技術在影像辨識領域取得了巨大突破。與傳統電腦視覺相比，現代深度學習演算法更強大，並允許高度準確的即時影像辨識。因此，深度學習方法可用於使用普通監控攝影機，或網路攝影機的影像進行影像分析。

最新趨勢將邊緣運算與裝置端機器學習相結合；這種方法也稱為邊緣人工智慧。將人工智慧處理從雲端移動到邊緣裝置，可以隨時隨地執行機器學習，將物聯網和人工智慧結合起來，建立可擴充的電腦視覺應用。

電腦視覺系統無程式平台

為了有效地建構和佈署此類應用，我們建構了一個無程式電腦視覺平台 Viso Suite，幫助跨行業的行業主管者，以 10 倍的速度和敏捷的速度，交付所有人工智慧視覺應用。開箱即用，在企業級基礎設施上，開始使用最佳電腦視覺功能。

在下面，我們將列出農業中一些最重要的人工智慧願景應用。

鑑於最近的技術進步，我們預計在不久的將來，會看到更多的應用案例和大規模的電腦視覺應用。

電腦視覺在農業中的最佳應用

應用#1：畜牧業中的電腦視覺系統

應用#2：家禽養殖中的電腦視覺系統

應用#3：具有電腦視覺的養魚

應用#4：水果或蔬菜計數的產量估算

應用#5：遠端農場的安全監控

申請#6：遵守動物福利法

應用#7：使用人工智慧進行無人機作物監控

1. 畜牧業中的電腦視覺系統

糧食安全是世界上最大的挑戰之一。牲畜和家禽透過肉類、牛奶、雞蛋和內臟等產品，佔每天蛋白質攝入量的很大比例（30%）。動物產量預計將相應增加，以養活不斷成長的人口。

隨著生產的加強以滿足日益成長的需求，生產者面臨著越來越大的壓力，要求為每個管理單位越來越多的動物提供優質護理。鑑於未來農業工作的預期勞動力短缺，這一點變得更加具有挑戰性。

成視覺系統用攝影機監控牛、羊、豬等動物。神經網路用於即時分析影像提要。成視覺系統的優勢植根於其自動、非侵入性和低成本的動物監控能力。

人工智慧視覺系統允許以負擔得起的成本，以最小的外部推斷（感測器的人為調整、維護）提取資訊。

動物養殖中的電腦視覺——來源

因此，畜牧業的資料收集、分析和決策需要成視覺。這些見解有助於透過循證設施設計和農場管理，來改善農場動物的福利、環境、工程、遺傳學和管理。

動物監測系統提供持續的即時監控，並協助生產者做出管理決策。它們還提供疾病和生產效率低下的早期檢測和預防。人工智慧視覺能夠提供動物行為，和表型的客觀衡量標準，而不是主觀的手動觀察。

2. 家禽養殖中的電腦視覺系統

先進的深度學習演算法足夠強大，可以應用於家禽養殖。「家禽」一詞包括一系列馴養物種，包括雞、火雞、鴨子、鵝、野味鳥和鼠類（如鴯鶓和鴕鳥）。

在家禽養殖場，電腦視覺技術目的，在預防疾病和確保糧食安全，同時透過降低成本和提供資訊，以提高產品品質來提高整體生產力。

今天，電腦視覺被廣泛應用於家禽生產系統。它包括房屋管理自動化、行為分析、動物福利、疾病檢測、體重測量、卵子檢查等。

以母雞為例，電腦視覺任務包括影像分類、物體檢測、影像分割和動物監測的姿勢估計。- 來源

3. 具有電腦視覺的養魚

具有電腦視覺的自動魚類檢測，是實現自動魚類檢測的精準養殖的重要工具。特別是，深度學習方法在魚類物種辨識、計數和行為分析方面具有巨大潛力。

此外，電腦視覺正在迅速發展，可用於有效的智慧餵養系統。這些系統基於水下影像預處理、魚類檢測、魚類重量和長度估計、魚類行為分析。

在許多漁業中，魚類計數仍然是一個基本過程。基於電腦視覺的系統，為深度學習計魚，提供了一種具有成本效益的方法。自動計魚降低了成本，有助於提高產量，並增加了勞動力供應。例如，電腦視覺已被用於自動即時指法計數。

水產養殖企業的相關新應用案例，涉及使用深度學習機器學習技術，分析漁網的完整性和安全性。

4. 水果或蔬菜計數的產量估算

產量估計是大多數大型農業公司，必不可少的收穫前做法。它支援分配基本物流的決策，如交通工具、勞動力、供應等。高估會導致影響盈利能力的進一步成本；低估會導致潛在的作物浪費和額外成本。產量預測還用於最佳化栽培實踐和植物疾病預防。

開發了深度卷積網路演算法，以促進影像上水果和蔬菜的準確產量預測，和自動計數。現代深度學習方法即使在樹葉或樹枝、照明和物體尺寸，造成的遮擋下也能提供良好的準確性。

手工估算水果或蔬菜等產品的產量非常耗時和昂貴。電腦視覺方法可用於自動計算水果或花卉。一個例子是奇異果的自動樹上計數和產量估計。

芒果植物疾病分類的電腦視覺應用

5. 遠端農場的安全監控

遠端農場的即時監控和安全監控，是 ML（Machine Learning 機器學習）目前在智慧農業中的另一個應用。這種監控和通知系統對農場非常重要。使用通用監控系統檢測到的影像，可以透過人工智慧演算法進行處理，以執行入侵檢測並自動辨識異常。現代方法使用深度神經網路，來執行精確的人臉辨識，這與照明的變化是不變的。這使得在多個偏遠農場，實施深度人臉辨識成為可能。