Розробка методу автоматизованого визначення вгодованості великої рогатої худоби з використанням глибокого навчання

Abstract

Кваліфікаційну роботу присвячено розробці методу та системи для автоматизованого визначення вгодованості великої рогатої худоби, що спрямовано на вирішення проблеми відсутності швидких та об’єктивних інструментів оцінки стану тварин без залучення сторонніх експертів. Програмна реалізація здійснена із застосуванням сучасних алгоритмів комп’ютерного зору: для підготовки даних використано метод ітеративної псевдо-розмітки на базі YOLO11x та SAM2.1, а безпосередня оцінка виконується нейромережею Mask R-CNN з архітектурою Swin Transformer. Система реалізована як клієнт-серверний комплекс, що включає мобільний застосунок для Android, серверну частину на Node.js для обробки запитів та базу даних для збереження історії вимірювань.

The thesis is devoted to the development of a method and system for the automated determination of cattle body condition. The study aims to address the lack of rapid and objective tools for assessing animal status without the need for external experts. The software implementation utilizes modern computer vision algorithms: an iterative pseudo-labeling method based on YOLO11x and SAM2.1 was used for data preparation, while the direct assessment is performed by a Mask R-CNN neural network with a Swin Transformer architecture. The system is realized as a client-server complex comprising an Android mobile application, a Node.js backend for request processing, and a database for storing measurement history.