Методы нейросетевой детекции сельскохозяйственных животных в плотных динамических группах на изображениях

Представлены результаты разработки и исследования методов и моделей детекции (выделения особей) сельскохозяйственных животных на изображениях на примере свиней, которые находятся на агрокомплексах в плотных динамичных группах и к которым плохо применимы традиционные методы идентификации. Для решения задачи выбраны перспективные нейросетевые архитектуры Faster R-CNN и YOLOv5, выполнена тонкая настройка и обучение нейронных сетей. Применение сети YOLOv5 позволило достигнуть точности детекции mAP = 94,05%, что существенно выше показанной в аналогичных работах. Представленные результаты – основа функционирования программно-аппаратного комплекса для неинвазивного автоматизированного контроля состояния животных с интеллектуальным анализом данных, обеспечивающего поддержку принятия оперативных научно обоснованных решений в сфере управления животноводством и продовольственной безопасностью.