Екосистемаexpand_more
Інформаціяexpand_more
Функціїexpand_more
Розведення за видомexpand_more
Індики — посібникexpand_more
Бройлери (кури)expand_more
Калькуляториexpand_more
Основи та документиexpand_more
Пташиний грип і NDexpand_more
Виробничі хворобиexpand_more
Мікроклімат і пташникexpand_more
Гігієна та дезінфекціяexpand_more
Добробут і доплатиexpand_more
Транспорт і забійexpand_more
Норми та довкілляexpand_more
Біобезпека і добробутexpand_more
Інкубація та яйцеexpand_more
Обладнання і механізаціяexpand_more
Порівнянняexpand_more
ШІ, датчики та моніторингexpand_more
Оцінка і відбір птиціexpand_more
Сертифікатиexpand_more
Обладнання та інсталяціїexpand_more
Інновації та майбутнє фермиexpand_more
Виставки та подіїexpand_more
Годівля та світлоexpand_more
Закупівельні ціниexpand_more
Пташиний грип за воєводствамиexpand_more
Закупівельні ціни за воєводствамиexpand_more
paymentsЦіни
Інструментиexpand_more
Дослідженняexpand_more
Ціни→Контакт→Про нас→Розсилка→
ПриєднатисяУвійти
Rozwiązania i badania

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.

Analiza na miejscuWynik zamiast filmuDziała przy słabym łączuPrywatność pracowników

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.

Rozwiązanie DlaFerm

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.

Ilustracja: kamera nad stadem rozpoznaje ptaki w kurniku
Na czym się opieramy

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.

Korzyści

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.

FAQ

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.

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.

Podaj numer telefonu lub e-mail — wystarczy jedno.

Дивіться також