การตรวจจับอาการเป็นสัดตามเวลาจริงในโคนมโดยไม่ติดตั้งอุปกรณ์บนตัวโค ด้วยเทคนิคการประมวลผลวีดิทัศน์บนพื้นฐาน โครงข่ายประสาทเทียมแบบสังวัตนาการ

บทคัดย่อ

การตรวจจับอาการเป็นสัด (estrus detection) ของโคนมเป็นปัจจัยสำคัญในการเพิ่มประสิทธิภาพการผสมพันธุ์ และการผลิตน้ำนม อย่างยั่งยืนในอุตสาหกรรมการเลี้ยงโคนม การวิจัยนี้จึงมีวัตถุประสงค์เพื่อพัฒนาขั้นตอนวิธีและประเมินประสิทธิภาพของแบบจำลองการตรวจจับอาการเป็นสัดตามเวลาจริงในโคนมโดยไม่ติดตั้งอุปกรณ์บนตัวโคด้วยเทคนิคการประมวลผลวีดิทัศน์บนพื้นฐานโครงข่ายประสาทเทียมแบบสังวัตนาการ โดยตรวจจับพฤติกรรมการเป็นสัดของโคนมที่มีระดับสายเลือดโฮลสไตน์ฟรีเชียน 75% ขึ้นไป จำนวน 10 ตัวขึ้นไป 4 ท่าทาง ได้แก่ เดิน (walking) ดมหรือเลีย (flirting) ปีนทับ (mating)  และปีนด้านศีรษะซึ่งเป็นการปีนเล่นหรือปีนผิดด้าน (climbing) โดยแต่ละท่าทางมีจำนวน 380 ภาพ รวมทั้งหมด 1,520 ภาพ ผู้วิจัยทำการเพิ่มภาพ (image augmentation) ด้วยเทคนิคต่าง ๆ เป็นจำนวน 22.238 เท่าของภาพต้นฉบับ จนได้ชุดข้อมูลภาพรวมทั้งสิ้น 33,802 ภาพ ทำการสร้างแบบจำลองการตรวจจับ

ด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการ ชนิด YOLOv7 จำนวนตัวอย่างในการเรียนรู้ที่ใช้ในแต่ละรอบการปรับปรุงแบบจำลอง (batch size) มีค่า 16 ข้อมูลเรียนรู้ผ่านเข้ามาในโครงข่าย (epochs)
30 รอบ ภาพถูกปรับขนาดให้มีความกว้างและความสูง (img-size) อยู่ที่ 640x640 พิกเซล พบว่า YOLOv7 สามารถตรวจจับอาการเป็นสัดได้อย่างมีประสิทธิภาพ โดยมีค่า F1-Score เฉลี่ย = 1.00  ค่า Precision = 1.00, ค่า Recall = 1.00, mAP.5 = 0.996 และค่า mAP.5:.95 = 0.845 แสดงให้เห็นว่าแบบจำลองนี้เหมาะสมที่จะนำไปใช้ในฟาร์มเกษตรกรผู้เลี้ยงโคนมทดแทนการตรวจจับอาการเป็นสัดของโคนมโดยใช้พนักงานเลี้ยงสัตว์