זיהוי התנהגות בקרב בקר מבוסס וידאו לפיתוח תא דיגיטלי במערכות חלב מדויקות

מדוע חשוב לצפות בפרות

בחוות חלב מודרניות, הידע מה כל פרה עושה — אוכלת, מנוחה, שותה או מעכלת מרה — קשור ישירות לתפוקת החלב, לבריאות ולרווחה. עם זאת, החקלאים לעיתים רחוקות יכולים לצפות בכל בעל חיים סביב השעון. במחקר זה הודגם כיצד מצלמות רשת רגילות באובסטבול, בשילוב ראייה ממוחשבת מתקדמת, יכולות לעקוב באופן אוטומטי אחרי חיי היומיום של פרות ולהזין מידע זה לתא דיגיטלי וירטואלי של העדר. מערכות כאלה יכולות לעזור לחקלאים לכוונן תזונה, לזהות מחלות מוקדם יותר ולנהל עדרים ביעילות רבה יותר, וכל זאת בלי להצמיד גאדג'טים לבעלי החיים.

מהאפליקציה הקשוחה לעדר ווירטואלי

החוקרים שאפו לבנות את "עיניים ואוזניים" ההתנהגותיות לתא הדיגיטלי של משק החלב — מודל וירטואלי של האפליקציה ופרותיה שמתעדכן בזמן כמעט אמת. הם התמקדו בשבע פעילויות יומיומיות שחשובות בעיקר לבריאות ולתפוקה: עמידה, שכיבה, מאכילה בעמידה, מאכילה בשכיבה, שתייה, ומעיכת מרה (לעיסה) בעמידה או בשכיבה. במקום להסתמך על חיישנים נישאים, השתמשו במצלמות גג ומצלמות בזווית בחלל אסירים מסחרי מסוג tie-stall המאכלס כ-80 פרות הולשטיין. הווידאו הרציף הומר לקליפים קצרים של 10 שניות שמרכזים פרה בודדת, ובכך יצרו חומר גלם ללימוד המחשבים לזהות מה כל בעל חיים עושה.

מלמדים מחשבים לזהות התנהגות פרות

כדי להפוך את הצילומים הגולמיים לנתונים שימושיים נדרשו מספר שלבים. ראשית, מערכת זיהוי עצמים מצאה באופן אוטומטי פרות בכל פריים, ואלגוריתם מעקב שמר על זהות כל פרה כשהיא זזה, גם כשחלקה מוסתר. התוכנית חיתכה ושינתה גודל של כל פרה לקליפים סטנדרטיים. מומחים אנושיים תוו כמעט 5,000 קליפים אלה עם ההתנהגות הנכונה, תוך שימוש בחוקי תצפית ברורים ובבדיקות כפולות זה של זו להבטחת עקביות. מכיוון שפרות מבלות באופן טבעי יותר זמן בשכיבה ועמידה מאשר בשתייה או בעיסה, הצוות הרחיב בקפידה את ההתנהגויות הנדירות באמצעות "הגדלה" דיגיטלית — החלפות עדינות, חיתוכים, שינויים בהירות והתאמות זמנים — כדי ליצור מערך אימון מאוזן יותר של כ-9,600 קליפים.

כיצד המערכת מזהה דפוסים לאורך זמן

כדי לזהות התנהגויות, הצוות השווה שתי משפחות מובילות של מודלים לניתוח וידאו. אחד, הנקרא SlowFast, מחקה שתי מהירויות צפייה בו זמנית: מסלול "איטי" שרואה תנוחה לאורך מרחקים ארוכים יותר, ומסלול "מהיר" המתמקד בתנועות ראש מהירות. השני, TimeSformer, משתמש במנגנוני תשומת לב שפותחו במקור למודלים של שפה כדי להתבונן בחלל ובזמן, ולבחור אילו חלקים מכל פריים ואילו רגעים בקליפ חשובים ביותר. בהכשרה על סרטוני האפליקציה, TimeSformer עלה במעט על SlowFast, סיווג התנהגויות נכון בכ-85% מהמקרים ופעל במהירות מספיקה לשימוש בזמן אמת על מעבד גרפי מודרני יחיד. ויזואליזציות הראו כי המודל התמקד באופן טבעי בראש ולחמית הפרה במהלך האכלה ושתייה, ובגוף וברגליים בשכיבה או בעמידה — התאמה לאופן שבו משקיף אנושי היה שופט התנהגות.

מזרמי התנהגות להחלטות בחווה

לאחר שהמערכת יכלה לזהות כל קליפ בהתנהגותו, החוקרים בנו צינור מלא שפועל באופן רציף על וידאו מהאפליקציה. התוכנית עוקבת אחרי כל פרה לאורך זמן, מיישמת חלון מחליק על הווידאו ומחליקה טעויות רגעיות כך שתקיעות קצרות לא יופיעו כשינויים מהירים במצב. הפלט הוא ציר זמן נקי לכל בעל חיים: מתי היא אכלה, שכבה, עמדה, שתתה או עשתה רומינציה, יחד עם משך כל אירוע ורמת הביטחון של המערכת. יומנים מבניים אלה ניתנים לקריאה ישירה על ידי מודלים תזונתיים של החווה שמעריכים צריכת מזון מזמן האכלה, ויכולים להניע תא דיגיטלי תלת‑ממדי בסביבה בסגנון משחק שמראה פרות וירטואליות המשקפות את פעולות מקבילותיהן האמיתיות. במחקר מקרה של 24 שעות על פרה בודדת, המערכת שיחזרה את יומה המלא והשתמשה במשך האכלה ומידע בסיסי על החיה כדי להעריך כמה מזון יבש היא סיכויי צריכה.

מה משמעות הדבר עבור חוות חלב בעתיד

המחקר מראה שמצלמות זולות ומודלים וידאו שעוצבו בקפידה יכולים לספק רישומי התנהגות רציפים לכל פרה במדויק מספיק כדי לשמש כשכבת החישה של תא דיגיטלי לחלב. למרות שהעבודה עוד לא מייעלת החלטות — כגון שינוי רכיבי תזונה או התרעה לעובדים על מחלה — היא מספקת את זרם הקלט הקריטי שעליו תלויים הכלים ברמות גבוהות יותר אלה. ככל שהשיטה תורחב לעיצובים פתוחים יותר של האפליקציה ותשולב עם חיישנים נוספים, החקלאים עשויים לקבל תמונה מפורטת ותמיד‑פועלת של הקצבים היומיומיים של חיותיהם, מה שיאפשר ניהול עדין ומדויק יותר המיטיב הן עם הפרות והן עם הסביבה.

ציטוט: 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

מילות מפתח: חוות בעלי חיים מדויקות, ראייה ממוחשבת, התנהגות בקר חלב, תא דיגיטלי, ניטור רווחת בעלי חיים