Karjankasvattajat kohtaavat jatkuvasti haasteita seurata eläinten käyttäytymistä sairauden tai vamman oireiden varalta.

Tämän ongelman ratkaisemiseksi Nebraskan yliopiston monitieteinen ryhmä on kehittänyt tarkkuustekniikan, joka auttaa valmistajia jatkuvasti seuraamaan eläimiä ja käyttämään tietoja niiden laadun parantamiseksi. Ryhmään kuuluvat Nebraskan sähköinsinöörit ja tietokonetieteilijät sekä eläintieteelliset tutkijat, jotka ovat kehittäneet tekniikan järjestelmän sikojen videotallenteiden avulla.

Järjestelmä käsittelee karjatiloilta vastaanotettuja videomateriaaleja ympäri vuorokauden ja käyttää ”koneoppimisen” tietoanalyysimenetelmää, joka käyttää tilastollisia algoritmeja tietokonejärjestelmien parantamiseen ilman nimenomaista ohjelmointia. Se tunnistaa yksittäiset siat ja tarjoaa tietoja niiden päivittäisestä toiminnasta, kuten ruuasta, juomasta ja liikkumisesta.

Näiden tietojen perusteella järjestelmä voi myös arvioida kuinka paljon kukin sika painaa ja kuinka nopeasti se kasvaa. "Järjestelmämme tarjoaa mallin tyypillisestä käyttäytymisestä", sanoo apulaisprofessori, sähkö- ja tietotekniikan professori Eric Psota. ”Kun eläin poikkeaa tästä kuviosta, se voi olla merkki siitä, että jotain on vialla. Tämä helpottaa ongelmien havaitsemista ennen kuin niistä tulee liian suuria korjattavaksi. ”

Ryhmä loi järjestelmänsä syvien oppimisverkkojen avulla, joka on koneoppimismuoto, jolla on miljoonia tekijöitä ja parametreja. Sikojen tunnistamiseksi kaikilla puolilla verkot käsittelevät suuria ja pieniä kuvia, kiertävät niitä ja muuntavat ne muuten.

Ryhmä käyttää korvamerkkejä tunnistamisen helpottamiseen, mutta pyrkii luottamaan yksilöllisiin fyysisiin ominaisuuksiin, kuten korvan muotoon, säilyttäen samalla tuottajille ylimääräiset merkinnät. Vaikka järjestelmä on suunniteltu sikojen tunnistamiseen, sen algoritmeja voidaan käyttää muihin kotieläintyyppeihin, kuten nautiin, hevosiin, vuohiin ja lampaisiin.