كشف سلوك الأبقار عبر الفيديو لتطوير التوأم الرقمي في نظم الألبان الدقيقة

لماذا يهم مراقبة الأبقار

في المزارع الحديثة للألبان، يرتبط معرفة ما تفعله كل بقرة — أكل، استلقاء، شرب، أو مضغ الكلأ — مباشرة بإنتاج الحليب وصحة ورفاهية الحيوان. ومع ذلك نادراً ما يتوفر لدى المزارعين الوقت لمراقبة كل حيوان على مدار الساعة. تُظهر هذه الدراسة كيف أن كاميرات الحظائر العادية، مجتمعة مع تقنيات رؤية حاسوبية متقدمة، يمكنها تتبع حياة الأبقار اليومية تلقائياً وتغذية تلك المعلومات إلى "توأم افتراضي" رقمي للقطيع. يمكن لمثل هذه الأنظمة مساعدة المزارعين على ضبط التغذية بدقة أكبر، اكتشاف الأمراض مبكراً، وإدارة القطيع بكفاءة أعلى، وكل ذلك دون الحاجة لربط أجهزة على الحيوانات.

من الحظيرة الحقيقية إلى القطيع الافتراضي

سعى الباحثون لبناء "عيون وآذان" سلوكية لتوأم رقمي للألبان — نموذج افتراضي لحظيرة وأبقارها يتحدّث تقريباً في الزمن الحقيقي. ركزوا على سبع أنشطة يومية تهم الصحة والإنتاج: الوقوف، الاستلقاء، الأكل أثناء الوقوف، الأكل أثناء الاستلقاء، الشرب، والمضغ (مضغ الكلأ) أثناء الوقوف أو الاستلقاء. بدلاً من الاعتماد على حساسات مرتدية، استخدموا كاميرات مراقبة علوية ومائلة في حظيرة بنمط تحبيس تجاري تضم نحو 80 بقرة هولشتاين. حُوِّل الفيديو المستمر إلى مقاطع قصيرة مدتها 10 ثوان تتركز على أبقار فردية، لتشكّل المادة الخام لتعليم الحواسيب التعرف على ما تفعله كل بقرة.

تعليم الحواسيب التعرف على سلوك الأبقار

تحويل اللقطات الخام إلى بيانات مفيدة تطلّب عدة خطوات. أولاً، وجد نظام كشف الأجسام الأبقار تلقائياً في كل إطار، وخوارزمية تتبع حافظت على هوية كل بقرة أثناء تحركها حتى عندما تُستَتر جزئياً. ثم قصّ البرنامج كل بقرة وأعاد تغيير حجمها إلى مقاطع فيديو موحّدة القياس. علّم خبراء بشريون ما يقرب من 5,000 من هذه المقاطع بالسلوك الصحيح، مستخدمين قواعد بصرية واضحة وتدقيقاً متبادلاً لضمان الاتساق. وبما أن الأبقار تقضي وقتاً أكبر بطبيعتها في الاستلقاء أو الوقوف مقارنةً بالشرب أو المضغ، وسّع الفريق بعناية السلوكيات النادرة رقمياً عبر "تكبير" البيانات — انقلاب طفيف، قص، تغيير السطوع، وتعديلات زمنية — لخلق مجموعة تدريب أكثر توازناً بحجم نحو 9,600 مقطع.

كيف ترى النظام الأنماط عبر الزمن

لاكتشاف السلوكيات، قارن الفريق بين عائلتين رائدتين من نماذج تحليل الفيديو. الأولى، المسماة SlowFast، تحاكي سرعتين للرؤية في آن واحد: مسار "بطيء" يرى الوضعية عبر فترات أطول، ومسار "سريع" يركّز على حركات الرأس السريعة. الثانية، TimeSformer، تستخدم آليات الانتباه المطوّرة في الأصل لنماذج اللغة للنظر عبر المكان والزمان، وتحديد أي أجزاء كل إطار وأي لحظات في المقطع هي الأهم. عندما دُرّبت على فيديوهات الحظيرة، تفوّق TimeSformer قليلاً على SlowFast، مصنِّفاً السلوكيات بشكل صحيح بحوالي 85% من الحالات وبسرعة كافية للاستخدام في الزمن الحقيقي على معالج رسومي حديث واحد. أظهرت التصورات أن النموذج ركّز طبيعياً على رأس البقرة وفمها أثناء الأكل والشرب، وعلى الجذع والأرجل أثناء الاستلقاء أو الوقوف، مما يتوافق مع كيفية حكم المراقب البشري على السلوك.

من تدفقات السلوك إلى قرارات المزرعة

بمجرد أن صار النظام قادراً على التعرف على السلوك من كل مقطع، بنى الباحثون خط معالجة كامل يعمل باستمرار على فيديو الحظيرة. يتتبع البرنامج كل بقرة عبر الزمن، يطبّق نافذة انزلاقية على الفيديو، ويسوّي الأخطاء اللحظية حتى لا تظهر العثرات القصيرة كتبدلات حالة سريعة. الناتج هو جدول زمني منظّم لكل حيوان: متى كان يأكل، مستلقٍ، واقفاً، يشرب أو يمضغ، مع طول كل نوبة وثقة النظام في التصنيف. يمكن قراءة هذه السجلات المهيكلة مباشرة بواسطة نماذج تغذية المزرعة التي تقدر تناول العلف من زمن التغذية، ويمكنها أن تغذّي توأماً رقمياً ثلاثي الأبعاد في بيئة شبيهة بالألعاب تُظهر أبقاراً افتراضية تعكس أفعال نظيراتها الحقيقية. في دراسة حالة على مدار 24 ساعة لبقرة واحدة، أعاد النظام بناء يومها الكامل من الأنشطة واستخدم مدة التغذية مع معلومات أساسية عن الحيوان لتقدير كمية العلف الجاف التي من المحتمل أنها تناولتها.

ما يعنيه هذا لمزارع الألبان المستقبلية

تُظهر الدراسة أن الكاميرات غير المكلفة والنماذج المصممة بعناية لتحليل الفيديو يمكن أن تقدّم سجلات سلوكية مستمرة لكل بقرة بدقة تكفي لتكون طبقة حسية للتوأم الرقمي للألبان. وعلى الرغم من أن العمل لا يعمل بعد على آلية اتخاذ قرارات تلقائية — مثل تغيير الحصص العلفية أو تنبيه الطاقم لوجود مرض — إلا أنه يوفر تيار البيانات الحاسم الذي تعتمد عليه تلك الأدوات الأعلى مستوى. ومع تمديد النهج إلى تصاميم حضائر أكثر انفتاحاً ودمجه مع حساسات أخرى، يمكن أن يحصل المزارعون على رؤية مفصّلة ودائمة لإيقاعات حيواناتهم اليومية، مما يتيح إدارة أكثر لطفاً ودقةً تفيد كلا من الأبقار والبيئة.

الاستشهاد: Rao, S., Garcia, E. & Neethirajan, S. Video-based cattle behaviour detection for digital twin development in precision dairy systems. npj Vet. Sci. 1, 3 (2026). https://doi.org/10.1038/s44433-026-00004-x

الكلمات المفتاحية: الزراعة الحيوانية الدقيقة, رؤية الحاسوب, سلوك أبقار الألبان, التوأم الرقمي, مراقبة رفاهية الحيوان