Представьте себе: вы наблюдаете за сотнями свиней в огромном свинарнике, пытаясь оценить их поведение и состояние здоровья. Звучит как невыполнимая задача? Исследователи из Frontiers in Veterinary Science предложили революционное решение этой проблемы.
Авторы разработали инновационную систему Dual-path Swin Transformer (DST) — двухпутевую нейронную сеть, способную автоматически распознавать поведение свиней с точностью 94,94%. Это на 1,45 процентных пункта выше, чем у базовой модели Swin Transformer.
Почему традиционные методы дают сбои
Классические системы компьютерного зрения в условиях свинарников сталкиваются с серьезными ограничениями. По данным авторов исследования, основные проблемы — это слабая устойчивость признаков и недостаточное моделирование пространственно-канальных зависимостей. В результате системы часто "путаются" в сложной среде свинарника, где освещение меняется, животные перекрывают друг друга, а фон постоянно варьируется.
Исследователи протестировали свою систему на датасете из 2 755 видеоклипов, охватывающих шесть типичных моделей поведения свиней. Результаты показали, что традиционные подходы действительно не справляются с задачей в реальных условиях.
Двухпутевая архитектура: гениальность в простоте
Система DST работает по принципу "разделяй и властвуй", используя два комплементарных пути обработки данных:
Частотный путь оснащен модулем Frequency-domain Fusion Filter Module (FFM). Здесь Ideal Low-pass Filter выделяет глобальные структурные особенности, а Gaussian High-pass Filter фокусируется на тонких деталях и контурах. Такой подход позволяет системе "видеть" как общую картину поведения, так и мельчайшие нюансы движений животных.
Пространственный путь использует механизм Decoupled Spatial-Channel Attention (DSCA). Пространственная ветвь внимания адаптивно усиливает признаки в ключевых областях кадра, а канальная ветвь автоматически повышает вес тех каналов признаков, которые наиболее тесно связаны с поведением свиней.
Такая архитектура обеспечивает надежную работу в сложных сельскохозяйственных условиях, где традиционные методы часто дают сбои.
Результаты исследования открывают новые возможности для автоматизированного мониторинга здоровья животных. Система может стать основой для раннего выявления заболеваний, оптимизации условий содержания и повышения эффективности животноводства. Авторы отмечают, что DST предоставляет эффективное и устойчивое решение для автоматизированного мониторинга поведения свиней в сложных сельскохозяйственных условиях.