Kamera AI na fermie bez szybkiego łącza: obraz zostaje na miejscu, do systemu trafia wynik
Kamera wysyłająca obraz przez całą dobę potrzebuje łącza, którego wiele ferm nie ma, a nagrania ludzi w śluzie nie powinny opuszczać fermy. Proponujemy analizę obrazu na miejscu, po której do DlaFerm trafia tylko wynik. Opieramy się na badaniach, które pokazały, że rozpoznawanie ptaków mieści się w małym urządzeniu przy kurniku.
verifiedOd zespołu, który od lat organizuje pracę na fermach drobiu.
Kamera jest, łącza nie ma
Na wielu fermach internet ledwo wystarcza do telefonu w biurze. Kamera, która wysyła obraz przez całą dobę, zapycha takie łącze w kilka minut, a przy przerwie w sieci nic nie analizuje. Do tego nagrania z kurnika i śluzy pokazują ludzi przy pracy i nie powinny bez potrzeby trafiać poza fermę. Ogólnie o tym, co AI potrafi na fermie, piszemy w przewodniku o sztucznej inteligencji na fermie drobiu.
Duży model nie mieści się w małym pudełku
Programy rozpoznające obraz, które dobrze działają na serwerze, często nie mieszczą się w małym urządzeniu przy kurniku. A w kurniku dochodzą pył, amoniak, wilgoć i ciepło. Pytanie hodowcy jest proste: czy da się rozpoznawać ptaki na miejscu, na sprzęcie, który przetrwa w budynku, i czy wynik będzie wiarygodny.
Jak to rozwiązujemy
1. Obraz analizowany na fermie
Obliczenia brzegowe oznaczają, że program rozpoznający obraz działa na miejscu: w kamerze albo w urządzeniu pośredniczącym na fermie. Do DlaFerm trafia tylko wynik, a nie cały film. Tak działa dziś kontrola wjazdu: kamera przy bramie rozpoznaje tablicę, a do systemu trafia odczytana tablica, kierunek i godzina.
2. Odczyt ze zdjęcia z pewnością wyniku
W karcie stada AI odczytuje stan wodomierza ze zdjęcia i podaje pewność odczytu. Przy nieczytelnym zdjęciu nie zgaduje. To też działa dziś.
3. Liczenie i ptaki z objawami z kamer w kurniku
Nad liczeniem ptaków, wykrywaniem ptaków z objawami i oceną zachowania stada z kamer analizowanych na miejscu prowadzimy badania i wdrażamy te funkcje w kurnikach. Wynik ma trafiać do karty stada jako podpowiedź dla hodowcy.
4. Decyzja zostaje przy człowieku
Oznaczenie ptaka z objawami to sygnał, żeby zajrzeć do kurnika. Ocenia go hodowca, a chorobę rozpoznaje lekarz weterynarii.

Co mówią badania
Chore kury da się rozpoznać w samej kamerze
Tong i współpracownicy (2024) zamontowali cztery małe kamery na automatycznym wózku paszowym, który kilka razy dziennie jeździ wzdłuż czteropiętrowych baterii klatek z kurami niosek. Rozpoznawanie działało w samym czujniku obrazu z wbudowanym procesorem i 8 MB pamięci. Zbiór liczył 30 131 zdjęć z kurników w Chinach, w tym 19 993 z kamer na wózku, zbierane przez pięć miesięcy od ponad 2700 kur. Uproszczony detektor osiągnął średnią precyzję (mAP) 95,1% i F1 94,2%, przy ponad 20 klatkach na sekundę. Kamera wysyłała tylko kilka bajtów z wynikiem dla ptaków chorych.
Mały komputer policzy brojlery w gęstym stadzie
Boniche i współpracownicy (2026), w pracy w czasopiśmie Poultry, porównali trzy lekkie modele wykrywania na zdjęciach z fermy doświadczalnej i z komercyjnego kurnika o dużej obsadzie, gdzie ptaki nachodzą na siebie. Najlepszy model osiągnął średnią precyzję 0,95. Uruchomiony na małym komputerze jednopłytkowym analizował jedną klatkę stabilnie w 392 ms, czyli mniej więcej dwie i pół klatki na sekundę. Autorzy zaznaczają, że w realnych warunkach takie urządzenie potrzebuje aktywnego chłodzenia. Dlatego urządzenie analizujące powinno stać poza strefą ptaków.
Duży model można zmniejszyć prawie bez straty
Yang i Hostens (2026) zmniejszyli model, który sam znajduje i śledzi zwierzęta na wideo, z 446 mln do 40,66 mln parametrów w części odpowiedzialnej za obraz. Na publicznym zbiorze nagrań świń uproszczony system śledził zwierzęta z dokładnością MOTA 92,29% i IDF1 96,15%, tracąc tylko 1,68 i 0,84 punktu procentowego względem pełnego modelu. Szczytowe zużycie pamięci spadło z 19,52 do 6,49 GB, a rozpoznawanie dziewięciu zachowań osiągnęło trafność 97,34%. System zmieścił się w module z procesorem graficznym i 16 GB pamięci. To pokazuje, że także trudniejsze zadania, jak śledzenie zachowania, da się przenieść na fermę.
Wynik zależy od miejsca, więc model trzeba douczyć
Wyniki rzędu 95% uzyskano na zdjęciach z konkretnych kurników, ras i oświetlenia. W pracy o kurach zbiór testowy z realnych warunków liczył 500 zdjęć, a w prawdziwych klatkach zdrowych ptaków jest znacznie więcej niż chorych. Na innej fermie trafność może być niższa, dopóki model nie zobaczy przykładów z tego miejsca. Dlatego zanim alarmy z kamery trafią do hodowcy, model trzeba sprawdzić na zdjęciach z jego kurników.
Co zyskuje ferma
Działa na łączu, które już masz
Wynik zamiast filmu to kilka bajtów. Słabe łącze na fermie wystarcza, a przy przerwie w sieci analiza na miejscu nadal pracuje.
Nagrania ludzi zostają na fermie
Kamera w śluzie albo przy bramie nie wysyła obrazu pracowników do chmury. Do systemu trafia tylko to, co potrzebne: tablica, godzina, wynik.
Mniej przepisywania
Odczyt wodomierza ze zdjęcia i tablice z kamery wpisują się same. Nie przepisujesz liczb z licznika ani numerów aut z zeszytu.
Porozmawiajmy o kamerach w Twoich kurnikach
Masz w kurniku kamery albo myślisz o ich montażu? Napisz do nas przez formularz kontaktowy na dole strony. Więcej o kamerach w kurniku piszemy przy ważeniu drobiu kamerą AI.
Pytania o analizę obrazu na miejscu
Jak działa analiza obrazu na miejscu?add
Program rozpoznający obraz działa w kamerze albo w małym urządzeniu na fermie. Obraz nie wychodzi poza fermę, a do DlaFerm trafia tylko wynik, na przykład odczytana tablica i godzina albo liczba ptaków w kadrze.
Jaki sprzęt jest potrzebny?add
Do kontroli wjazdu potrzebna jest kamera z rozpoznawaniem tablic przy bramie i urządzenie pośredniczące na fermie. Do odczytu wodomierza wystarczy telefon. Do analizy w kurniku kamery i urządzenie analizujące, najlepiej w przedsionku, w szczelnej obudowie z filtrem powietrza.
Ile pracy wymaga wdrożenie?add
Odczyt wodomierza ze zdjęcia działa od pierwszego dnia w karcie stada. Kamerę przy bramie montuje się raz i wpisuje listę partnerów, których auta wjeżdżają regularnie. Analiza w kurniku wymaga wcześniej sprawdzenia modelu na zdjęciach z danej fermy.
Co, jeśli na fermie zabraknie internetu?add
Analiza na miejscu nie potrzebuje stałego łącza. Wpisy w aplikacji hodowcy też zrobisz bez sieci, wyślą się, gdy telefon złapie zasięg.
Czy kamera zastąpi lekarza weterynarii?add
Nie. Oznaczenie ptaka z objawami to sygnał do sprawdzenia kurnika. Chorobę rozpoznaje lekarz weterynarii.
Jakie dane trafiają do DlaFerm?add
Wyniki, a nie nagrania: przy bramie odczytana tablica, kierunek i godzina, przy wodomierzu odczytana liczba z pewnością odczytu. Odczyty tablic usuwają się same po liczbie dni ustawionej przez fermę.
Skąd wiecie, że to mieści się w małym urządzeniu?add
W badaniu z kurnika kur niosek rozpoznawanie chorych ptaków w samym czujniku obrazu osiągnęło mAP 95,1% przy ponad 20 klatkach na sekundę. W pracy o brojlerach w gęstym stadzie mały komputer jednopłytkowy analizował klatkę w 392 ms przy średniej precyzji 0,95, ale wymagał aktywnego chłodzenia. W pracy o świniach zmniejszony model śledził zwierzęta prawie tak dobrze jak pełny (MOTA 92,29%), zużywając 6,49 zamiast 19,52 GB pamięci.
Źródła i materiały
- linkTong Q., Wang J., Yang W., Wu S., Zhang W., Sun C., Xu K. (2024). Edge AI-Enabled Chicken Health Detection Based on Enhanced FCOS-Lite and Knowledge Distillation. arXiv:2407.09562
- linkBoniche K., Hidalgo-Rodriguez M., Acosta-Reyes A.M., Cruz E., Rangel J.C., Cazorla M., Gomez-Donoso F. (2026). A Lightweight Deep Learning Model for Broiler Population Monitoring on an Edge AI Platform. Poultry 5(3), 36
- linkYang H., Hostens M. (2026). Lightweight Distillation of SAM 3 and DINOv3 for Edge-Deployable Individual-Level Livestock Monitoring and Longitudinal Visual Analytics. arXiv:2604.27128
Porozmawiajmy o kamerach i analizie obrazu na Twojej fermie
Chcesz rozpoznawać auta przy bramie albo myślisz o kamerach w kurniku, ale masz słabe łącze? Napisz do nas. Pokażemy, co działa dziś i jak wygląda analiza obrazu na miejscu.
Telefon
+48 796 258 151