سیر تکامل هوش مصنوعی و بینایی ماشین در پایش هوشمند طیور و ارائه چارچوب تصمیم یار چند منبعی همگرایی، IoT Big Data PLF

با رشد تقاضا برای محصولات طیور و افزایش مقیاس سالن های پرورش، پایش دستی وضعیت تولید، سلامت و رفاه پرندگان به دلیل محدودیت نیروی انسانی، هزینه و ملاحظات امنیت زیستی دشوار شده است. این مقاله یک مرور تحلیلی از سیر تکامل کاربردهای هوش مصنوعی و بینایی ماشین در پایش هوشمند طیور ارائه می کند و روند گذار از روش های مشاهده محور به سامانه های داده محور را تبیین می نماید. ابتدا چارچوب دامپروری دقیق (PLF) به عنوان چرخه، سنجش، تحلیل و مداخله تشریح می شود و سپس پنج محور کلیدی شامل تخمین وزن زنده با پردازش تصویر و شبکه های عصبی، تشخیص و طبقه بندی مدفوع با شبکه های کانولوشنی عمیق و آشکارسازهای سریع، کمی سازی رفتار گله در اطراف دانخوری ها با شاخص های تراکم و فعالیت، ارزیابی وضعیت پر با مدل های انتها به انتها مانند ChickenNet و تحلیل اثر غنی سازی بستر بر رفتارهای جست وجویی و شاخص های اضطراب مرور می گردد. همچنین نقش حسگرهای هوشمند، تحلیل داده های کلان و اینترنت اشیا در یکپارچه سازی داده های چندمنبعی، پشتیبانی تصمیم و حرکت به سمت اتوماسیون مزرعه بیان می شود. در پایان چالش های کلیدی شامل کیفیت داده و کالیبراسیون حسگرها، تغییر دامنه بین سالن ها، نیاز به برچسب گذاری معتبر و حکمرانی داده مطرح و مسیرهای آینده برای سامانه های مقیاس پذیر و قابل اعتماد پیشنهاد می گردد.

کلیدواژه ها:

پایش هوشمند طیور ، بینایی ماشین ، یادگیری عمیق ، دامپروری دقیق (PLF) ، داده های کلان ، اینترنت اشیا