كيف نميز الماشية (الأبقار، الخيول) عن البشر لتقليل الإنذارات الكاذبة في المزرعة؟

أواجه هذه المشكلة كثيرًا: تمر بقرة واحدة، يلتفت حصان برأسه، ويبدأ إنذاري في التصرف وكأن كل حركة تشكل تهديدًا. هذا يضيع الوقت والثقة.

يمكنني تقليل الإنذارات الكاذبة باستخدام تصنيف الذكاء الاصطناعي¹, ، وتحليل الشكل والمشية، وفلاتر الحجم، و قواعد ذكية لعبور الخطوط⁵. يجب أن يتم تشغيل النظام بناءً على ميزات بشرية، وليس مجرد الحركة.

كاميرا ذكاء اصطناعي للمزرعة، بشر مقابل ماشية

لا أريد أن تنزعج كاميرتي من كل حيوان في المزرعة. أريدها أن تتجاهل الماشية وأن تلتقط الأشخاص الحقيقيين بسرعة، حتى في الليل.

هل تتضمن مكتبة الذكاء الاصطناعي “تصنيف الحيوانات” المحدد لتجاهل الحركة غير البشرية؟

أرى هذا السؤال طوال الوقت لأن اكتشاف الحركة البسيط غير كافٍ في المزرعة. إذا كنت أراقب فقط تغيرات البكسل، فسأتلقى إنذارات من الأبقار والخيول والرياح والمطر والظلال.

نعم، يجب أن تتضمن مكتبة الذكاء الاصطناعي الجيدة تصنيف الحيوانات، وهذه الميزة تساعدني على تجاهل الحركة غير البشرية قبل إرسال الإنذار.

تصنيف الحيوانات، كاميرا المزرعة

لماذا لا أثق في تنبيهات الحركة فقط

لقد تعلمت أن اكتشاف الحركة³ رخيص جدًا، ولكنه أيضًا مليء بالضوضاء. يمكن للبقرة التي تمشي بالقرب من سياج أن تنشئ نفس نمط الحركة مثل شخص يمشي في نفس المكان. الكاميرا لا تعرف سبب الحركة. إنها تعرف فقط أن شيئًا ما تحرك. لهذا السبب أحتاج إلى نموذج يمكنه تسمية الهدف أولاً. إذا كان الهدف بقرة أو حصانًا، فأريد من النظام تسجيله بهدوء. إذا كان الهدف إنسانًا، فأريد من النظام إرسال إنذار حقيقي. هذا هو الفرق الرئيسي بين الكشف الأساسي وتصنيف الذكاء الاصطناعي.

كيف سأقوم بإعداد منطق التنبيه

أفضل قاعدة مثل هذه:

القاعدة	الإجراء
ثقة الإنسان فوق الحد	إرسال تنبيه
تم اكتشاف حيوان	تسجيل فقط
حركة صغيرة غير معروفة	تجاهل أو تسجيل ذو أولوية منخفضة

إذا كان بإمكاني تعيين درجة الثقة⁴, ، يمكنني جعل النظام أكثر استقرارًا. على سبيل المثال، قد أختار 90% لتنبيهات الإنسان. هذا يعني أن الكاميرا يجب أن تكون متأكدة جدًا قبل أن توقظني. أحب أيضًا تسميات منفصلة للأبقار والخيول والكلاب والطيور إذا كانت المنصة تدعمها. هذا يساعدني على بناء قواعد واضحة لكل موقع. في مزرعة، هذا مهم لأن المشهد يتغير طوال اليوم. في الصباح، قد تتحرك الحيوانات في مجموعات. في الليل، قد يقف حيوان واحد بلا حراك بالقرب من بوابة. توفر مكتبة ذكاء اصطناعي قوية خطوة أولى أفضل، لكنني ما زلت بحاجة إلى قواعد جيدة فوقها.

ما أتحقق منه قبل الشراء

أسأل دائمًا عما إذا كانت المكتبة يمكنها القيام بهذه الأشياء:

1. يمكنها اكتشاف الأشخاص والحيوانات والمركبات والأشياء غير المعروفة.
2. يمكنها الاحتفاظ بأحداث الحيوانات في السجل دون إرسال تنبيه.
3. يمكنها العمل مع الإضاءة المنخفضة والأشعة تحت الحمراء و الرؤية الحرارية⁹.
4. يمكنها التعامل مع المشاهد المزدحمة مع عدة أهداف في وقت واحد.

إذا لم يتمكن البائع من شرح هذه النقاط بوضوح، فأرى خطرًا. لا يريد عميل المزرعة كاميرا تطلق إنذارات كاذبة طوال اليوم. أريد كاميرا تفهم المشهد وتستخدم التسمية الصحيحة في الوقت المناسب. هذه هي الطريقة التي أقلل بها الإنذارات الكاذبة وأحافظ على فائدة نظام التنبيه.

هل يمكنني تدريب الكاميرا على تجاهل أبقاري المحددة مع التنبيه لأي حركة ثنائية الأرجل²?

هذا أحد أكثر الأسئلة العملية التي أتلقاها. أنا أعرف القطيع. أعرف أي الحيوانات تبقى داخل المرعى. لا أريد أن تنبه الكاميرا في كل مرة تمر فيها مواشيّ الخاصة بجوار الحظيرة.

نعم، يمكنني تدريب الكاميرا أو تعديل القواعد بحيث تتجاهل أنماط المواشي المعروفة مع الاستمرار في التنبيه للحركة ثنائية الأرجل، لكن أفضل طريقة تعتمد على برنامج الكاميرا ونموذج الذكاء الاصطناعي.

تدريب الكاميرا على تجاهل المواشي

لماذا يصعب تجاهل “مواشيّ”

أحتاج إلى أن أكون صريحًا هنا. الكاميرا لا تعرف الملكية بالطريقة التي أعرفها بها. إنها ترى الشكل والحركة، وأحيانًا اللون أو الحرارة. إذا كانت مواشيّ كبيرة وقريبة من العدسة، يمكنها أن تهيمن على الإطار. إذا كان نموذج الذكاء الاصطناعي ضعيفًا، فقد لا يزال يصنفها كإنسان لأن الجسم يملأ مساحة كبيرة. لهذا السبب التدريب أو ضبط القواعد مهم. أحتاج إلى أن يتعلم النظام المشهد المحلي. في بعض المنصات، يمكنني تحديد مناطق آمنة⁷ وأقول، “تجاهل هذه الحظيرة.” في أنظمة أخرى، يمكنني فقط تعيين فئات الكائنات وحدود الثقة. تسمح لي المنصات الأكثر تقدمًا بتعليم الكاميرا بعينات من مزرعتي الخاصة. هذا عادة ما يعطي نتائج أفضل من نموذج عام.

ما يعمل بشكل أفضل في الممارسة العملية

عادة ما أفكر في ثلاث طبقات:

الطبقة	ماذا أفعل	لماذا يساعد
إعداد المشهد	رسم مناطق للحظيرة، الحظيرة، البوابة	يحد من مكان حدوث التنبيهات
قواعد الكائنات	إنسان فقط، حيوان صامت	يوقف إنذارات الماشية
قواعد السلوك	التنبيه عند الدخول، التسلق، أو العبور	يركز على التهديدات الحقيقية

لماذا لا تزال الحركة ثنائية الأرجل مفيدة

أحب الحركة ثنائية الأرجل كدليل، لكنني لا أستخدمها وحدها. لا يقف الشخص على قدمين فقط. غالبًا ما يكون لدى الشخص وضعية مستقيمة، وتأرجح للذراعين، وعرض للكتفين، ومسار مشي مختلف. البقرة أو الحصان لديه توازن جسدي ومشية مختلفان جدًا. إذا كان النظام يبحث فقط عن “قدمين”، فأنا قلق بشأن التنبيهات الخاطئة من الأعمدة أو الظلال أو المشاهد الجزئية. لذلك أفضل مزيجًا من الميزات. يجب أن تنظر الكاميرا إلى شكل الجسم، ومسار الحركة، وسياق المشهد. إذا كان الهدف مستقيمًا ويعبر أيضًا خطًا بالقرب من بوابة، فأنا أثق في التنبيه أكثر. إذا كان الهدف منخفضًا وعريضًا وبطيئًا، أتوقع أن يعامله النظام كماشية. هذا هو نوع المنطق الذي يوفر علي الوقت ويحافظ على نظافة التنبيهات.

نصيحتي للاستخدام الفعلي في المزرعة

إذا أردت تجاهل ماشيّتي الخاصة، أبدأ بلقطات جيدة ليلاً ونهارًا. ثم أختبر الكاميرا مع أبقار قريبة من العدسة، وبعيدة عن العدسة، وتتحرك في مجموعات. أختبر أيضًا إنسانًا يمشي عبر نفس المنطقة. هذا يوضح لي أين يفشل النموذج. إذا كان النظام يمكنه التعلم من بيانات موقعي، فأنا أستخدم هذا الخيار. إذا لم يكن الأمر كذلك، فأنا أعتمد بشكل أكبر على المناطق، وعبور الخطوط، وفلاتر الفئات. لا أتوقع سحرًا مثاليًا. أريد نظامًا مستقرًا وسهل الإدارة وصادقًا بشأن ما يمكنه فعله.

كيف يتعامل الخوارزمية مع تحليل مشية “ذات أربع أرجل” مقابل “ذات رجلين” للدقة؟

هذه المسألة مهمة لأن شكل الجسم وحده لا يكفي دائمًا. أحتاج إلى أن يعرف الخوارزمية كيف يتحرك الحيوان، وليس فقط كيف يبدو في إطار واحد.

عادةً ما تقارن الخوارزمية المشية والوضعية ونسبة الجسم واتجاه الحركة، لذلك يمكن فصل الأهداف ذات الأربع أرجل وذات الأرجلين بدقة أكبر مما لو كان ذلك بالشكل وحده.

دقة كاميرا تحليل المشية

لماذا المشية أهم من إطار واحد

أثق في تحليل المشية لأن الكائنات الحية تتحرك بأنماط. يمكن للإنسان والحصان كلاهما إحداث حركة كبيرة، لكن الخطوات ليست متماثلة. لدى الإنسان إطار عمودي وإيقاع متكرر للساق اليسرى واليمنى. لدى البقرة جسم أفقي أطول ودورة خطوة مختلفة. لدى الحصان خط جسم قوي وتغييرات أسرع في الخطوات. إذا شاهد الذكاء الاصطناعي عدة إطارات، يمكنه رؤية هذه الاختلافات بوضوح أكبر. هذا أفضل بكثير من النظر إلى صورة ثابتة واحدة. يمكن للصورة الواحدة أن تكذب. يمكن لشخص ينحني أن يبدو أقصر. يمكن لحصان خلف سياج أن يبدو غريبًا. ولكن عبر الزمن، يصبح نمط الحركة أوضح. هذا هو المكان الذي تكسب فيه الخوارزمية قيمتها.

ما يتحقق منه الذكاء الاصطناعي عادةً

أحب أن أفكر في النظام على أنه يتحقق من هذه الإشارات معًا:

1. نسبة الجسم¹⁰: طويل ورفيع، أو طويل ومنخفض.
2. نمط الأطراف: نقطتا دعم رئيسيتان، أو أربع.
3. مسار الحركة: مشي مباشر، انجراف عشوائي، رعي، أو تنقل.
4. الاستقرار: جذع مستقيم مقابل خط جسم أفقي.
5. تغييرات السرعة: غالبًا ما تتغير خطوات الإنسان مع النية، بينما قد تتحرك الماشية بأنماط أكثر مرونة.

الدقة في ظروف الحقل الحقيقية

ظروف المزرعة ليست نظيفة. العشب يتحرك. الغبار يتصاعد. قد يستدير الحصان جانبًا. قد تقفز البقرة أو تقف بالقرب من جدار. يمكن لهذه الحالات الطرفية أن تربك حتى النموذج الجيد. لذلك لا أتوقع 100% من تحليل المشية وحده. أريد أن تستخدم الخوارزمية المشية كإشارة واحدة، وليس الإشارة الوحيدة. إذا استخدمت الكاميرا أيضًا عبور الخطوط وحجم الكائن وقواعد المنطقة، يصبح النظام بأكمله أقوى. أنا أهتم أيضًا بزاوية الكاميرا. غالبًا ما يساعد المنظر من الأعلى لأنه يظهر شكل الجسم بالكامل. يمكن للزاوية المنخفضة إخفاء الأرجل وجعل الهدف أصعب في التصنيف. لهذا السبب، أفضل ارتفاع تركيب يوفر رؤية واضحة للمسار بأكمله.

طريقة بسيطة أفكر بها في الدقة

إشارة	إنسان	بقرة/حصان
الوضعية	عمودي في الغالب	أفقي في الغالب
مشية	إيقاع ثنائي الأرجل	دورة دعم رباعية الأرجل
هدف الحركة	مسار مباشر	الرعي، التجول، المشي
أفضل استخدام	مشغل إنذار	تسجيل هادئ أو تجاهل

عندما أجمع هذه الإشارات، أحصل على دقة أفضل. لا أحتاج إلى أن يكون النموذج مثاليًا. أحتاج إليه أن يكون مفيدًا باستمرار في مزرعة حقيقية.

هل سيؤدي حصان كبير قريب من الكاميرا إلى تشغيل إنذار “بشري” بسبب حجمه؟

هذا خطر حقيقي. أعرف أن حيوانًا كبيرًا بالقرب من العدسة يمكن أن يملأ الصورة ويربك نموذجًا ضعيفًا. هذا هو أحد الأسباب الرئيسية لحدوث الإنذارات الكاذبة في مواقع المزارع.

نعم، يمكن لحصان كبير قريب من الكاميرا أن يشغل إنذارًا بشريًا إذا اعتمد النموذج بشكل كبير على الحجم وحده، لذلك أحتاج إلى الشكل والوضعية وثقة الفئة لمنع هذا الخطأ.

حصان كبير قريب كاميرا إنذار كاذب

لماذا يمكن للحجم أن يضلل نموذجًا ضعيفًا

لقد رأيت كاميرات تعامل “الكائن الكبير” على أنه “كائن مهم”. هذه عادة سيئة في استخدام المزرعة. يمكن لحصان يقف بالقرب من الكاميرا أن يشغل الكثير من وحدات البكسل. إذا كان النموذج غير مدرب بشكل كافٍ، فقد يرى كتلة طويلة ويقرر أنها شخص. يصبح هذا أسوأ في الليل عندما يسطح ضوء الأشعة تحت الحمراء التفاصيل. كما يصبح أسوأ عندما يتم تكبير العدسة أو عندما يكون الحيوان محجوبًا جزئيًا بسياج. ثم يكون لدى النموذج أدلة أقل لاستخدامها. لهذا السبب لا أريد نظامًا يستخدم الحجم كقاعدة رئيسية. الحجم هو مجرد دليل واحد. لا يمكن أن يكون الإجابة النهائية.

ما أريده من الكاميرا استخدامه بدلاً من ذلك

أريد من الكاميرا النظر إلى هذه الأشياء:

• شكل الجسم والتوازن
• وضع الكتف والرأس
• عدد الأرجل ونمط الخطوة
• مسار الحركة عبر عدة إطارات
• درجة الثقة لفئة الإنسان

إذا رأت الكاميرا جسمًا كبيرًا، فلا يجب أن تنتقل إلى إنذار بشري إلا إذا كانت ثقة الفئة⁸ قوية. أحب أيضًا فحص الشكل الأدنى وفحص الحجم الأقصى. يبدو هذا بسيطًا، ولكنه يساعد كثيرًا. إذا كان الهدف واسعًا جدًا ومنخفضًا جدًا، فأريد أن تشك الكاميرا في تصنيف الإنسان. إذا كان الهدف عموديًا، منتصبًا، ويعبر خط البوابة، فأريدها أن تثق في التنبيه أكثر. هذا التوازن يحافظ على فائدة النظام.

الإعدادات العملية التي سأختبرها

الإعداد	الاستخدام المقترح	الفائدة
عتبة ثقة الإنسان	85% إلى 95%	يقلل المطابقات الضعيفة
مرشح حجم الكائن الأقصى	الأجسام المتوسطة إلى الكبيرة فقط إذا كان الشكل يناسب الإنسان	يتجنب الإنذارات الكاذبة للحيوانات الضخمة
قاعدة عبور الخط	استخدم عند البوابات وخطوط السياج	يركز على أحداث الدخول الحقيقية
ارتفاع الكاميرا	حوالي 3.5 إلى 4 أمتار	يحسن الرؤية لكامل الجسم

وجهة نظري النهائية حول هذه المشكلة

لا أخشى الخيول الكبيرة بسبب حجمها. أخشى النماذج التي تعتمد على الحجم دون سياق. يجب أن تفهم كاميرا المزرعة الجيدة أن الحيوان الكبير لا يزال حيوانًا. لا ينبغي لها تحويل كل هدف قريب إلى إنذار بشري. عندما أختار نظام PTZ لمزرعة، أريد منطق ذكاء اصطناعي قويًا، وتحكمًا واضحًا في المنطقة، وأداءً مستقرًا في المشاهد النهارية والليلية. بهذه الطريقة أحافظ على فائدة الإنذارات وأتجنب إضاعة الوقت على حركة الماشية.

الخاتمة

يمكنني تقليل الإنذارات الكاذبة في المزرعة من خلال الجمع بين تصنيف الحيوانات، وتحليل المشي، وعتبات الثقة، وقواعد عبور الخط. أريد أن تحكم الكاميرا على السياق، وليس فقط الحركة أو الحجم.

---

1. تعلم كيف يعمل تصنيف الذكاء الاصطناعي للتمييز بين البشر والحيوانات. ︎↩︎ 2. الحركة ثنائية الأرجل هي دليل رئيسي لتحديد حركة الإنسان في المراقبة. ︎↩︎ 3. الكشف الأساسي عن الحركة يؤدي فقط إلى تشغيل عند تغير البكسل، مما يتسبب في إنذارات كاذبة من الحيوانات. ︎↩︎ 4. يضمن تعيين عتبة ثقة عالية تشغيل الإنذارات فقط عندما يكون النموذج متأكدًا جدًا. ︎↩︎ 5. قواعد عبور الخط تشغل التنبيهات فقط عندما يعبر الهدف خطوطًا افتراضية محددة مسبقًا. ︎↩︎ 6. المناطق الآمنة تحد من مناطق التنبيه لتقليل الإنذارات المزعجة من حظائر الماشية المعروفة. ︎↩︎ 7. تساعد درجات ثقة الفئة في تحديد ما إذا كان الكائن المكتشف بشريًا أو حيوانيًا حقًا. ︎↩︎ 8. تكتشف الكاميرات الحرارية بصمات الحرارة، وهي مفيدة للتمييز بين البشر والماشية ليلاً. ︎↩︎ 9. تساعد نسبة الجسم (الارتفاع مقابل العرض) في التمييز بين البشر المنتصبين والحيوانات الأفقية. ︎↩︎