Đề án Thạc sĩ: Nghiên cứu phương pháp học sâu tự động theo dõi cảnh báo sớm bất thường về sức khoẻ lợn

Đề án này tập trung vào việc nghiên cứu và phát triển một hệ thống theo dõi sức khỏe lợn tự động, sử dụng các phương pháp học sâu để phân tích hành vi và thân nhiệt của lợn. Mục tiêu là phát hiện sớm các dấu hiệu bất thường, từ đó cảnh báo cho người chăn nuôi để có biện pháp can thiệp kịp thời, giảm thiểu thiệt hại và nâng cao hiệu quả chăn nuôi.

Sinh viên, nhà nghiên cứu và các chuyên gia trong lĩnh vực chăn nuôi quan tâm đến ứng dụng công nghệ thông tin và học sâu trong việc theo dõi và quản lý sức khỏe vật nuôi.

Đề án này trình bày một nghiên cứu về việc ứng dụng các phương pháp học sâu để xây dựng một hệ thống theo dõi và cảnh báo sức khỏe lợn tự động. Hệ thống này sử dụng dữ liệu từ camera và cảm biến thân nhiệt để phân tích hành vi và thân nhiệt của lợn, từ đó phát hiện sớm các dấu hiệu bất thường. Các phương pháp học sâu được sử dụng bao gồm YOLOv7 để phát hiện lợn trong ảnh, DeepSORT để theo dõi lợn trong video, và các mô hình học máy khác để nhận dạng hành vi và phát hiện bất thường. Đề án cũng trình bày kết quả thực nghiệm trên dữ liệu thu thập từ các trang trại lợn thực tế, cho thấy hệ thống có khả năng phát hiện bất thường với độ chính xác cao. Nghiên cứu này có ý nghĩa quan trọng trong việc nâng cao hiệu quả chăn nuôi và giảm thiểu rủi ro dịch bệnh.