التعرف الفردي على الخنازير في بيئات التربية المعقدة: نموذج يولو خفيف الوزن عالي الدقة

يعد التعرف الفردي على الخنازير دون تلامس ركيزة مهمة في التربية المكثفة الحديثة، إذ تعتمد عليه التغذية الدقيقة والمراقبة الصحية لكل حيوان على حدة، غير أن ظروف الحظائر الواقعية تفرض تحديات قاسية تشمل الإضاءة المتقلبة والاحتجابات الشديدة والأوضاع غير الصلبة للأجسام والتشابه الكبير بين الأفراد، مما يجعل التمييز الدقيق بين الحيوانات مهمة عسيرة للنماذج التقليدية، وتنعكس دقة هذا التعرف مباشرة على قرارات يومية كتحديد حصة العلف لكل حيوان ورصد التغيرات الصحية المبكرة وعزل الحالات المشتبه بها قبل انتشار العدوى في القطيع

وتكمن المشكلة العملية في أن النماذج القائمة تكافح للموازنة بين الدقة العالية وخفة الوزن اللازمة للنشر على أجهزة محدودة الموارد داخل المزارع، فالنموذج الثقيل بطيء ومكلف والنموذج الخفيف قد يضحي بالدقة، وتستجيب هذه الدراسة لهذه المعادلة باقتراح نموذج كشف محسن قائم على بنية يولو الحديثة يضم ثلاث ابتكارات جوهرية في العمود الفقري والعنق ورأس الكشف، بهدف تحقيق تعرف فردي دقيق وخفيف في آن واحد يلائم متطلبات المزرعة الذكية

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير إطار كشف محسن للتعرف الفردي على الخنازير في بيئات التربية المعقدة قائم على نموذج يولو في عشرة إن، وتمثلت الابتكارات الثلاثة في دمج وحدة الالتفاف الديناميكي في العمود الفقري لتعزيز تعلم السمات تحت الأوضاع المعقدة عبر الالتفاف الديناميكي، وإعادة تصميم العنق بوحدة غرس الدلالات والتفاصيل لتحسين دمج السمات متعدد المقاييس وكبح ضوضاء الخلفية، وتضمين آلية انتباه فعالة متعددة المقاييس قبل رأس الكشف لالتقاط إشارات الهوية الدقيقة كالملمس والحواف، وقيم النموذج على مجموعة بيانات خنازير واقعية بمقاييس متوسط الدقة المتوسطة ودرجة إف واحد والتعقيد الحسابي وعدد المعاملات، مع مقارنته بأحدث كاشفات المجال، كما صمم إطار التقييم ليعكس ظروف التشغيل الفعلية داخل الحظائر التجارية لا ظروفًا مخبرية مثالية بما يعزز الثقة في قابلية النتائج للنقل إلى الممارسة

ثانيًا: أبرز النتائج

1، حقق النموذج المقترح متوسط دقة متوسطة عند عتبة 0.5 قدرها 96.6 في المئة ومتوسط دقة عبر العتبات الموسعة قدره 71.1 في المئة ودرجة إف واحد قدرها 92.0 في المئة

2، تفوق النموذج على أحدث الكاشفات المنافسة بما فيها يولو 8 ويولو 11 ونموذج آر تي ديتر في دقة التعرف الفردي على الخنازير

3، حقق النموذج هذا الأداء بكلفة حسابية قدرها 8.7 مليار عملية فاصلة عائمة فقط وبعدد معاملات قدره 3.48 مليون معامل مما يجعله خفيفًا بامتياز

4، أثبتت الابتكارات الثلاثة مجتمعة قدرتها على التعامل مع الإضاءة المتقلبة والاحتجاب والأوضاع غير الصلبة والتشابه الكبير بين الأفراد في بيانات واقعية

5، يجمع النموذج بذلك بين دقة تنافسية تفوق النماذج الأثقل وكلفة نشر منخفضة تناسب أجهزة الحافة والكاميرات محدودة الموارد في المزارع الذكية

ثالثًا: دلالات الدراسة وتطبيقاتها

تقدم هذه النتائج حلًا عمليًا للتربية الدقيقة للماشية والخنازير، إذ يتيح التعرف الفردي الموثوق تتبع النمو والصحة والسلوك لكل حيوان وتخصيص التغذية والرعاية وفق احتياجه، ويعزز ذلك اتجاه الزراعة الذكية القائم على البيانات نحو إدارة فردية للحيوان بديلًا عن إدارة القطيع كتلة واحدة، ويفتح خفة النموذج الباب لنشره على كاميرات وأجهزة طرفية منخفضة الكلفة في المزارع، ويستطيع باحثو الرؤية الحاسوبية والزراعة الذكية العرب تكييف هذا الإطار مع بيئات التربية المحلية وأنواع حيوانية أخرى، مع الحاجة إلى اختبارات ميدانية طويلة الأمد عبر مواسم وظروف حظائر متنوعة للتحقق من استقرار الأداء، كما أن توفر نموذج بهذا الحجم المنخفض يسهل دمجه في أنظمة مراقبة آلية تعمل على مدار الساعة وتصدر تنبيهات مبكرة عند رصد تغيرات سلوكية أو صحية لدى أفراد القطيع بما يدعم التدخل البيطري المبكر ويخفض الخسائر الاقتصادية

وخلاصة القول إن الموازنة بين الدقة والخفة لم تعد خيارًا بين طرفين متناقضين، فقد أظهر النموذج المقترح إمكانية تحقيق تعرف فردي دقيق على الخنازير بكلفة حسابية محدودة، مما يجعله مرشحًا قويًا للنشر العملي في منظومات التربية الدقيقة الحديثة