Képfeldolgozás alapú mesterséges intelligencia alkalmazása a sertéstenyésztésben = Application of image-processing based artificial intelligence in pig farming

Kovács, Tamás and Kovács, Lóránt (2026) Képfeldolgozás alapú mesterséges intelligencia alkalmazása a sertéstenyésztésben = Application of image-processing based artificial intelligence in pig farming. GRADUS, 13 (1). ISSN 2064-8014

Preview

Text 2026_1_CSC_006_Kovacs.pdf - Published Version Download (834kB) | Preview

Abstract

Ebben a munkában egy nagyobb, a mesterséges intelligencia sertéstenyésztésben való hasznosításával foglalkozó projekt egy részét mutatjuk be. Ebben az alprojektben a célkitűzés az, hogy képfeldolgozási módszerekkel a sertés-karámok felett elhelyezett kamerák felvételei alapján automatizált monitoring rendszert hozzunk létre, amely képes a karámban elhelyezett egyedek általános aktivitását mérni. Ezen a részen belül is ez a cikk a betanított neurális hálózat alapú egyed-lokalizáció lehetőségeit és képességeit részletezi. A YOLO rendszer két kisebb hálózatát használtuk fel a rendszer továbbtanítására, hogy képes legyen elfogadható pontossággal lokalizálni a sertések teljes testét és fejét. A betanított rendszer validációja alapján elmondható, hogy a helyes test felismerés aránya az összes egyed százalékában 95% feletti, a helyes fej objektumok felismerési aránya 83% feletti. | In the present work the basis of an image processing based monitoring system introduced that is capable of measuring the activities of the pigs in a pen. This work is a part of a greater project dealing with the application of artificial intelligence in pig farming. We applied two of the pre-trained YOLO neural networks (nano and small) to train them further so as they are able to recognize and localize pig bodies and pig heads in our environment. We trained the network with images taken by cameras fixed above the pens. The validation of the trained system has shown that the trained network successfully recognized 95% of the pig bodies and 83% of the pig-heads.

Actions (login required)

View Item