Hassas süt sistemlerinde dijital ikiz geliştirme için video tabanlı sığır davranışı tespiti

İnekleri İzlemenin Önemi

Modern süt çiftliklerinde her ineğin ne yaptığını—yiyor, dinleniyor, içiyor ya da geviş getiriyor—bilmek doğrudan süt verimi, sağlık ve refah ile bağlantılıdır. Ancak çiftçilerin her hayvanı 7/24 izleyecek zamanı nadiren vardır. Bu çalışma, sıradan ahır güvenlik kameralarının gelişmiş bilgisayarlı görü ile birleştirilerek ineklerin günlük yaşantılarını otomatik olarak nasıl takip edebileceğini ve bu bilgiyi sürünün dijital "sanal ikizi"ne nasıl aktarabileceğini gösteriyor. Bu tür sistemler, hayvanlara takılacak cihazlar olmadan beslemeyi ince ayarlamaya, hastalığı daha erken yakalamaya ve sürü yönetimini daha verimli hale getirmeye yardımcı olabilir.

Gerçek Ahırdan Sanal Sürüye

Araştırmacılar, neredeyse gerçek zamanlı güncelleme yapan bir ahır ve inekler modelleyen süt dijital ikizi için davranışsal "gözler ve kulaklar" kurmayı hedeflediler. Sağlık ve üretim açısından en önemli yedi günlük etkinliğe odaklandılar: ayakta durma, yatarak durma, ayakta beslenme, yatarak beslenme, içme ve ayakta/ yatarak geviş getirme. Taşınabilir sensörlere güvenmek yerine, yaklaşık 80 Holstein ineğin bulunduğu ticari tip bağlı ahırda tavandan ve açılı kameralar kullandılar. Sürekli video, her ineğin merkezde olduğu kısa 10 saniyelik kliplere dönüştürüldü ve bu klipler bilgisayarların her hayvanın davranışını tanımasını öğretmek için ham veri oldu.

Bilgisayarlara İnek Davranışını Öğretmek

Ham görüntüleri kullanışlı verilere dönüştürmek birkaç adım gerektirdi. Önce, nesne tespiti sistemi her karede inekleri otomatik olarak buldu ve bir izleme algoritması, kısmen gizlense bile hareket ederken her ineğin kimliğini tutarlı tuttu. Program daha sonra her ineği standartlaştırılmış video kliplere kırptı ve yeniden boyutlandırdı. İnsan uzmanlar bu kliplerden yaklaşık 5.000'ini doğru davranışla etiketledi; açık görsel kurallar kullandılar ve tutarlılığı sağlamak için birbirlerinin çalışmalarını çift yönlü kontrol ettiler. İnekler doğal olarak içme veya geviş getirme gibi davranışlardan daha çok yatarak veya ayakta durmaya zaman ayırdıkları için ekip, daha nadir görülen davranışları dijital "artırma" ile dikkatle genişletti—ince çevirmeler, kırpmalar, parlaklık değişiklikleri ve zamanlama ayarlamaları—ve yaklaşık 9.600 kliplik daha dengeli bir eğitim seti oluşturdu.

Sistemin Zaman İçinde Desenleri Görmesi

Davranışları saptamak için ekip iki önde gelen video-analiz model ailesini karşılaştırdı. Biri, SlowFast adı verilen, aynı anda iki görüntüleme hızını taklit eder: daha uzun sürelerde duruşu gören "yavaş" yolak ve hızlı baş hareketlerine odaklanan "hızlı" yolak. Diğeri, TimeSformer, dil modelleri için geliştirilen dikkat mekanizmalarını uzay ve zaman boyunca kullanarak her karenin hangi bölümlerinin ve bir klibin hangi anlarının en önemli olduğuna karar verir. Ahır videoları üzerinde eğitildiğinde TimeSformer, SlowFast'i biraz geride bıraktı; davranışları yaklaşık %85 doğrulukla sınıflandırdı ve tek bir modern grafik işlemcide gerçek zamanlı kullanım için yeterince hızlı çalıştı. Görselleştirmeler modelin besleme ve içme sırasında doğal olarak ineğin başına ve burnuna; yatma veya ayakta durma sırasında gövde ve bacaklara odaklandığını gösterdi; bu, insan gözlemcinin davranışı değerlendirirken yaptığı ile örtüşüyor.

Davranış Akışından Çiftlik Kararlarına

Sistem klip klip davranışları tanıyabildiğinde, araştırmacılar ahır videolarında sürekli çalışan eksiksiz bir işlem hattı kurdular. Program her ineği zaman içinde takip ediyor, videoya kayan pencere uyguluyor ve kısa aksaklıkların hızlı durum değişiklikleri olarak görünmesini önlemek için sonuçları düzleştiriyor. Çıktı, her hayvan için temiz bir zaman çizelgesi: ne zaman beslenmiş, yatmış, ayakta durmuş, içmiş veya geviş getirmiş; her davranışın ne kadar sürdüğü ve sistemin ne kadar emin olduğu bilgisiyle birlikte. Bu yapılandırılmış günlükler, besleme süresinden yem tüketimini tahmin eden çiftlik beslenme modelleri tarafından doğrudan okunabilir ve gerçek hayattaki eşlerinin hareketlerini yansıtan sanal ineklerin gösterildiği oyun benzeri bir ortamda 3B dijital ikizi besleyebilir. Bir ineğin 24 saatlik vaka çalışmasında, sistem onun tüm günlük etkinliklerini yeniden oluşturdu ve beslenme süresi ile temel hayvan bilgilerini kullanarak muhtemel kuru madde yem tüketimini tahmin etti.

Geleceğin Süt Çiftlikleri İçin Anlamı

Çalışma, pahalı olmayan kameralar ve dikkatle tasarlanmış video modellerinin, süt dijital ikizinin duyusal katmanı olarak hizmet edecek kadar doğru sürekli, ineğe özel davranış kayıtları sağlayabileceğini gösteriyor. Çalışma henüz rasyon değiştirme veya hastalık konusunda personele uyarı gönderme gibi kararları otomatikleştirmese de, bu daha üst düzey araçların gerektirdiği kritik veri akışını sunuyor. Yaklaşım daha açık ahır tasarımlarına genişletilip diğer sensörlerle birleştirildiğinde, çiftçiler hayvanlarının günlük ritimleri hakkında ayrıntılı, her zaman açık bir görüşe kavuşarak hem ineklere hem de çevreye fayda sağlayan daha nazik ve daha hassas yönetim imkanına sahip olabilirler.

Atıf: 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

Anahtar kelimeler: hassas hayvancılık, bilgisayarlı görü, süt sığırı davranışı, dijital ikiz, hayvan refahı izleme