Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları ile Sığır Yüzlerinin Tanınması

Süt sığırcılığı işletmelerinde sürülerinin yönetilmesinden ziyade ineklerin bireysel olarak refahı ve sağlıklı olmasına yönelik hassasiyet son yıllarda artmıştır .⁠ Bu durumun sonucu olarak, bireysel olarak hayvanların takip edilme ihtiyacı ortaya çıkmıştır . Hayvanlar için biyometrik veriler kullanılarak oluşturulacak sistemler, hayvanları bireysel olarak tanınmasına yardımcı olmaktadır . Hayvanlardan elde edilen yüz, burun, iris gibi bireysel biyometrik veriler işlenerek makine öğrenmesi temelli sistemler oluşturulabilir . Bu çalışmada, derin öğrenmede önemli bir model olan Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları(DHB-ESA) kullanılarak, sığırların yüz görüntülerinin sınıflandırılarak tanınması gerçekleştirilmiştir . Çalışmada öncelikle, bir besi yerinde bulunan sığırlardan yüz görüntülerini içeren görüntüleri alınarak bir veriseti oluşturulmuştur . Daha sonra, sığır görüntülerindeki yüz bölgeleri, uygulama ile işaretlenerek sığır sınıflarına göre etiketlenmiştir . Deneysel çalışmalar kapsamında, veriseti içerisinden beş farklı sığıra ait toplamda 1579 görüntüden oluşan bir alt küme oluşturulmuştur . Bu küme, ağın eğitimi için 1129 görüntü ve test işlemi için ise 450 görüntü olacak şekilde gruplandırılmıştır . Sığır yüz görüntüleri ön-eğitimli bir ağ üzerinde eğitildikten sonra, gerçekleştirilen test işlemlerinde sığır yüz görüntüleri %98.44 doğruluk ile başarılı bir şekilde sınıflandırılmıştır . Önerilen bilgisayar destekli bu yaklaşımın, sığırların yüzlerinin tanınmasında ikincil bir araç olarak uzmanlar tarafından farklı amaçlar için kullanılabileceği öngörülmektedir .