اكتشاف عرج الأبقار باستخدام صور العمق والتعلّم العميق

لماذا تهمنا أقدام الأبقار المؤلمة جميعًا

قد يبدو أن ظهور أبقار تمشي وهي متألمة مشكلة متخصصة في المزارع، لكن العرج في قطعان الألبان يرفع بهدوء تكلفة الحليب، ويقصّر حياة الحيوانات، ويثير مخاوف جدية بشأن الرفاهية. تقليديًا، اكتشاف البقرة العرجاء يعتمد على عين بشرية حادة وكثير من الوقت في الحظيرة—وهو ما لا تستطيع العديد من المزارع المزدحمة توفيره يوميًا. تصف هذه الورقة نظامًا قائمًا على الكاميرا يراقب الأبقار تلقائيًا أثناء خروجها من حجرة الحلب، مستخدمًا صور العمق والذكاء الاصطناعي للإشارة إلى علامات مبكرة للمشكلة على مدار الساعة.

من الحظائر المزدحمة إلى مراقبة لطيفة مستمرة

يؤثر العرج على نحو بقرة من كل خمس أبقار حلابية في العالم وقد يصل إلى مستويات أعلى بكثير في بعض القطعان. يقلل ذلك من إنتاج الحليب، ويضر بالخصوبة، وقد يضطر المزارعين إلى استبعاد الحيوانات مبكرًا، ما يكلف مئات الدولارات لكل بقرة سنويًا. ومع ذلك، فإن المعرفة العلمية حول العرج تتقدم كثيرًا عمّا يحدث في معظم المزارع: فالمزارعون غالبًا ما يقللون من عدد الأبقار المتألمة، والتقويم الخبيري يستغرق وقتًا ويعتمد على حكم شخصي. حاولت أجيال سابقة من التكنولوجيا المساعدة بوضع لوحات قياس القوة في الممرات أو بتركيب حسّاسات حركة على الحيوانات، لكن هذه الحلول قد تكون مكلفة ومتطفلة ويصعب توسيعها. بدلًا من ذلك، لجأ المؤلفون إلى «الزراعة الحيوانية الدقيقة» بكاميرا عمق علوي غير ملامسة ترى الشكل ثلاثي الأبعاد لكل بقرة أثناء سيرها طبيعيًا على المسار.

كيف يقرأ عين مثبتة في السقف ظهر البقرة

في مزرعتين حلابتين تجاريتين في اليابان، وُضعت كاميرا قياس زمن الطيران واحدة فوق الممر الضيق الذي تستخدمه الأبقار عند عودتها من الحلب. أثناء مرور كل حيوان تحتها، تسجل الكاميرا صورة عمق من الأعلى: خريطة ارتفاع تُظهر محيط ظهر البقرة. يفصل النظام أولًا كل بقرة عن الخلفية باستخدام نموذج متقدم لـ «تجزئة الحالات». بعد اختبار عدة خيارات، وجد الباحثون أن نموذجًا حديثًا قائمًا على YOLO قدم دقة عالية للغاية ومعالجة سريعة، إذ كشف وحدَّد حدود الأبقار بشكل صحيح في أكثر من 99% من الإطارات مع التعامل مع عشرات الصور في الثانية—سرعة كافية للاستخدام في الوقت الحقيقي في حظيرة مزدحمة.

متابعة كل بقرة وتحويل الوضع إلى إشارة ألم

كشف الأبقار ليس سوى البداية؛ يجب على النظام أيضًا تتبع من هو من الحيوانات بينما تمر عدة حيوانات عبر الممر. لتحقيق ذلك، صمّم المؤلفون سلسلة من خوارزميات تتبع متعددة الأجسام المخصصة التي حسّنت تدريجيًا قدرة النظام على الحفاظ على هوية كل بقرة عبر الزمن. النسخة النهائية تستخدم ليس فقط التراكب بين المربعات ولكن أيضًا مدة تتبع البقرة وما إذا كانت تتحرك من اليسار إلى اليمين أو من اليمين إلى اليسار. هذا الاستخدام البسيط لكنه ذكي لاتجاه الحركة قضى تقريبًا على خلط الهويات، ليصل إلى حوالي 99.9% دقة تتبع في أيام لم تُستخدم أثناء التدريب وفي كلتا المزرعتين.

تعليم الحاسوب كيف يبدو "متصلبًا ومتألمًا"

جوهر كشف العرج يكمن في شكل وحركة ظهر البقرة. غالبًا ما يؤدي الألم في الأقدام أو الأرجل إلى انحناء أو عدم انتظام أكبر في العمود الفقري بينما تحاول الحيوان تخفيف الضغط. بدلًا من اختيار بعض القياسات الهندسية يدويًا، يحوّل الفريق صورة العمق لكل بقرة إلى خريطة ارتفاع مُطَبّعة لظهرها، ثم يدخل سلاسل قصيرة من هذه الخرائط في نموذج تعلّم عميق. يتعلّم شبكة صور حديثة (EfficientNet) الأنماط المكانية في كل إطار، بينما يلتقط شبكة الذاكرة طويلة القصيرة (LSTM) كيف يتطور الوضع عبر عدة خطوات. باستخدام تسميات خبراء على مقياس من أربع نقاط—من سالم إلى متعرج بشدة—صنّفت أفضل تركيبة، EfficientNet‑B7 مع LSTM على سلاسل مكوّنة من خمس إطارات، درجات العرج على أبقار غير مرئية خلال الاختبار بنسبة دقة وقيمة F1 تقارب 96%، رغم تحديات العالم الحقيقي مثل عدم توازن الفئات وتفاوت سرعات المشي.

ماذا يعني هذا للأبقار والمزارعين وكأس الحليب في يدك

عند جمعها، تُشكّل كاميرا العمق ونماذج الكشف والتتبع وتقييم المشية نظام مراقبة متكامل يعمل على مدار الساعة يمكنه مراقبة كل بقرة تمر تحته، دون حاجة إلى عُقال أو علامات أو أرضيات خاصة. يجادل المؤلفون بأن مثل هذه الأداة الموضوعية والمستمرة يمكن أن تساعد في سد الفجوة الطويلة الأمد بين ما يعرفه الباحثون عن العرج وما يُمارَس روتينيًا في المزارع. من خلال الإشارة إلى الأبقار المعرضة للخطر في وقت أبكر وبشكل أكثر اتساقًا من العين البشرية وحدها، قد تقلل هذه التكنولوجيا الألم وتخفض تكاليف العلاج والإقصاء وتدعم إنتاج حليب أكثر إنسانية واستدامة. وبينما لا يزال الاختبار الأوسع على مزيد من المزارع مطلوبًا، تُظهر الدراسة أن كاميرا عمق علوية واحدة، مقرونة بتعلّم عميق مصمَّم بعناية، يمكنها تحويل مهمة يدوية صعبة إلى وسيلة تلقائية لحماية رفاهية الحيوان.

الاستشهاد: Tun, S.C., Tin, P., Aikawa, M. et al. Cattle lameness detection using depth image and deep learning. Sci Rep 16, 13456 (2026). https://doi.org/10.1038/s41598-026-40780-4

الكلمات المفتاحية: عرج الأبقار, تصوير العمق, الزراعة الحيوانية الدقيقة, رؤية الحاسوب, مراقبة رفاهية الحيوان