PickAMoo: Akıllı telefon görüntülemesiyle süt sığırlarında hassas ağırlık tahmini için LiDAR destekli mask R-CNN segmentasyonu

Neden inekleri dokunmadan tartmak?

Süt çiftçileri için her ineğin ağırlığını bilmek, yem rasyonlarını belirlemek, sağlığı izlemek ve yetiştirme kararları almak için hayati önemdedir. Oysa inekleri tartıya koymak zaman, ekipman ve genellikle biraz stresli yönlendirme gerektirir. Bu çalışma, sıradan bir akıllı telefonun derinlik sensörü ve modern görüntü analizinden yararlanarak ahırda çekilen bir fotoğraftan bir ineğin ağırlığını tahmin edip rutin bir işi hızlı ve temassız bir işleve dönüştürüp dönüştüremeyeceğini araştırıyor.

Şerit metreler ve ağır ekipmanla ilgili sorunlar

Birçok çiftlikte çalışanlar hâlâ ağırlığı gözle tahmin eder, göğüs çevresine bir mezura sarar veya hayvanları sabit tartılardan geçirir. Bu yöntemler işe yarayabilir, ancak beceri, zaman ve büyük hayvanlarla yakın temas gerektirir. Ayrıca vücut şekli ırka göre değiştiği için bazı ırklar veya çok ağır inekler için hatalı olabilirler. Son çalışmalar, kameraların ve bilgisayarlı görünün görüntülerden vücut boyutunu ve şeklini okuyabildiğini gösterdi, ancak mevcut sistemlerin çoğu sabit 3B kameralar ve dikkatle kontrol edilen yollar gerektirir; bunlar pahalıdır ve sıradan ahırlara kurulması zordur.

Akıllı telefonu ahır kenarı aracına dönüştürmek

Araştırmacılar, birçok çiftçinin zaten sahip olduğu elde tutulan bir akıllı telefon etrafında bir iş akışı tasarladı. Dahili bir derinlik sensörüne (LiDAR) sahip iPhone modellerine odaklandılar; bu sensör telefonun ineğin ne kadar uzakta olduğunu yargılamasına yardımcı olur. PickAMoo adlı özel bir uygulama, kullanıcının tüm ineğin görüş alanına girmesini sağlamak için doğru mesafede ve açıda durmasını yönlendirir. İki İsveç araştırma çiftliğinde saha testleri sırasında ekip, otomatik bir tartıdan alınan gerçek ağırlıklar ve karşılaştırma için geleneksel mezura ölçümleriyle birlikte 500’ün üzerinde inekten neredeyse 3.000 görüntü topladı.

Telefonu ineğin şeklini görmeyi öğretecek şekilde eğitmek

Sıradaki zorluk, bilgisayara yoğun ahır sahnelerinden ineğin dış hatlarını ayırt etmeyi öğretmekti. Ekip, 500’den fazla fotoğrafta ineklerin etrafına elle hassas sınır çizgileri çizdi ve bunları Mask R-CNN olarak bilinen modern bir görüntü segmentasyon modelini eğitmek için örnekler olarak kullandı. Test edilen birkaç versiyon arasında, ResNet 101 omurgasına dayalı olan en iyi performansı gösterdi ve neredeyse tüm durumlarda ineği arkadan ayırdı. Bu dış hatlardan sistem, yükseklik, uzunluk ve projeksiyon gövde alanı gibi basit şekil özelliklerini hesapladı, ardından farklı mesafelerden çekilen ineklerin adil karşılaştırılabilmesi için bunları derinlik okumalarıyla düzeltti.

Dış hattan ağırlık bandına

Araştırmacılar, ağırlığı kilogram düzeyinde kesin olarak tahmin etmek yerine, çiftçinin pratik aralıklar halinde düşünebileceği benzerlikle dokuz ağırlık bandına ayırdı. Ölçekle düzeltilmiş şekil özelliklerini bu bantlara bağlamak için bir makine öğrenmesi modeli eğitildi ve test verilerinden eğitim verilerine bilgi sızmasını önlemek için dikkatli önlemler alındı. Modelin oluşturulmasında kullanılmamış ayrı bir inek grubunda denendiğinde, akıllı telefon tabanlı sistem hayvanları yaklaşık %90 ila %96 oranında doğru ağırlık bandına yerleştirdi. Hataların çoğu yalnızca bir bant kaymasıydı; bu da tahmin mükemmel olmasa bile gerçek ağırlığa yakın olduğu anlamına geliyor. Standart mezura tabanlı formüllerle karşılaştırıldığında, yeni yöntem daha ağır İsveç Kırmızısı ineklerde görülen bazı ırka özgü hatalardan kaçındı.

Günlük çiftçilik için anlamı

Çalışma, gerçekçi ahır koşullarında, bir çalışanın elindeki bir telefonun derinlik algılama, akıllı görüntü segmentasyonu ve özel bir öğrenme algoritmasını birleştirerek süt inekleri için kullanışlı, temassız ağırlık tahminleri sağlayabileceğini gösteriyor. Kesin ağırlık gerektiğinde kalibre bir tartının yerini tutmasa da, yem ayarlamalarına yardımcı olacak, zaman içindeki ağırlık değişikliklerini takip edecek ve daha yakın dikkat gerektiren hayvanları işaretleyecek sık, düşük çaba gerektiren kontrolleri destekleyebilir. Daha fazla ırk ve çiftlik türünde ek testler ve yazılımın tamamen cihaz üzerinde çalışacak şekilde basitleştirilmesiyle, bu tür araçlar doğru sığır tartımını hem insanların hem de ineklerin daha az stres yaşadığı şekilde daha erişilebilir hale getirebilir.

Atıf: Guzhva, O., Ternman, E., Lindberg, M. et al. PickAMoo: LIDAR-enhanced mask R-CNN segmentation for precision weight estimation in dairy cattle using smartphone imaging. Sci Rep 16, 16020 (2026). https://doi.org/10.1038/s41598-026-54742-3

Anahtar kelimeler: süt sığırları, akıllı telefon görüntüleme, LiDAR, bilgisayarlı görü, ağırlık tahmini