جزئیات پروژه

۲- شرح مسئله

شرح کلی مسئله

در مزارع پرورش بوقلمون، رفتار گله یکی از مهم‌ترین نشانه‌های سلامت، رفاه، تغذیه، استرس، بیماری، کیفیت محیط و عملکرد مدیریتی فارم است. تغییر در الگوی حرکت، تجمع، کاهش فعالیت، رفتارهای غیرعادی، تغییر در الگوی غذاخوردن یا آب‌خوردن و واکنش‌های رفتاری می‌تواند نشانه‌ای زودهنگام از بروز مشکل در گله باشد.

در حال حاضر در فارم‌های مختلف، تعداد زیادی دوربین نصب شده و برخی از این دوربین‌ها نیز دارای قابلیت‌های هوش مصنوعی هستند؛ اما داده‌های تصویری به‌صورت یکپارچه، استاندارد و قابل تحلیل مدیریتی تجمیع نمی‌شوند. این مسئله باعث می‌شود حجم زیادی از داده تصویری تولید شود، اما بخش قابل توجهی از آن به داده عملیاتی قابل استفاده تبدیل نشود.

نیاز این پروژه، طراحی یا توسعه یک سامانه نرم‌افزاری/پلتفرمی است که بتواند اطلاعات دوربین‌های متعدد در فارم‌های مختلف را به‌صورت یکپارچه دریافت، پردازش، تحلیل و ثبت کند و به مدیران امکان پایش خودکار رفتار گله و شناسایی زودهنگام وضعیت‌های غیرعادی را بدهد.

⸻

چرایی نیاز

مدیریت چندین فارم در نقاط مختلف کشور بدون سامانه یکپارچه پایش، موجب افزایش وابستگی به نیروی انسانی، کاهش دقت تصمیم‌گیری و تأخیر در شناسایی مشکلات می‌شود.

راه‌اندازی سامانه پایش هوشمند می‌تواند باعث شود:

* رفتار غیرعادی گله زودتر تشخیص داده شود.

* احتمال شیوع بیماری یا تلفات کاهش یابد.

* کیفیت مدیریت فارم‌ها قابل مقایسه شود.

* اطلاعات به‌صورت خودکار ثبت و قابل گزارش‌گیری شود.

* وابستگی به بازدیدهای دستی کاهش یابد.

* تصمیم‌گیری مدیریتی بر اساس داده واقعی انجام شود.

⸻

پیشینه مسئله و مفاهیم علمی مرتبط

در دنیا، مفهوم Precision Livestock Farming (PLF) یا دامپروری دقیق در حال گسترش است. در این رویکرد، داده‌های تصویری، صوتی، محیطی و رفتاری برای پایش سلامت و رفاه حیوانات استفاده می‌شود.

فناوری‌های مرتبط با این پروژه شامل موارد زیر است:

* بینایی ماشین

* هوش مصنوعی

* پردازش تصویر

* تحلیل رفتار حیوانات

* اینترنت اشیا

* داشبورد مدیریتی

* تشخیص الگوی حرکت

* تشخیص تراکم و تجمع

* هشدار هوشمند

* ثبت خودکار داده

* تحلیل پیش‌بینانه

هدف پروژه الزاماً طراحی دوربین جدید نیست، بلکه توسعه یک سامانه یکپارچه برای استفاده از داده دوربین‌های موجود و تبدیل آن‌ها به اطلاعات عملیاتی و مدیریتی است.

⸻

۳- حوزه تخصصی مسئله

* هوش مصنوعی

* بینایی ماشین

* پردازش تصویر

* اینترنت اشیا

* نرم‌افزار و پلتفرم‌های داده

* تحلیل داده

* دامپزشکی

* علوم دامی

* رفتارشناسی حیوانات

* مدیریت فارم

* طراحی داشبورد مدیریتی

⸻

۴- حوزه کاربرد مسئله

* مزارع پرورش بوقلمون

* مزارع پرورش طیور

* مجتمع‌های دام و طیور

* شرکت‌های زنجیره‌ای تولید گوشت

* سامانه‌های مدیریت فارم

* صنایع غذایی و پروتئینی

⸻

۵- ویژگی‌ها و خروجی‌های مورد انتظار فناوری

سامانه پیشنهادی ترجیحاً دارای ویژگی‌های زیر باشد:

* اتصال به دوربین‌های موجود در فارم‌های مختلف

* امکان تجمیع داده از چندین فارم در یک داشبورد مرکزی

* ثبت خودکار داده‌ها و رویدادهای مهم

* تحلیل رفتار بوقلمون‌ها بر اساس تصویر

* تشخیص تغییرات غیرعادی در رفتار گله

* تشخیص تراکم، تجمع یا پراکندگی غیرطبیعی

* پایش میزان فعالیت گله

* امکان تعریف هشدار برای وضعیت‌های غیرعادی

* ارائه گزارش‌های دوره‌ای مدیریتی

* امکان مقایسه عملکرد فارم‌ها

* قابلیت اتصال به داده‌های محیطی مانند دما، رطوبت، تهویه، نور، دان و آب

* امکان توسعه تدریجی الگوریتم‌ها بر اساس داده‌های واقعی فارم

⸻

۶- از بعد اقتصادی و مالی

راهکار پیشنهادی باید از طریق کاهش تلفات، کاهش هزینه پایش انسانی، تشخیص زودهنگام بیماری، بهبود مدیریت گله، افزایش بهره‌وری فارم و کاهش ریسک‌های عملیاتی دارای توجیه اقتصادی باشد.

اولویت با راهکاری است که بتواند از زیرساخت دوربین‌های موجود استفاده کند و نیازمند جایگزینی کامل تجهیزات فعلی نباشد.

⸻

۷- پیش‌بینی مدت زمان لازم برای پروژه

۶ تا ۹ ماه

پیشنهاد می‌شود پروژه در سه فاز اجرا شود:

فاز اول: پایلوت محدود

اتصال چند دوربین منتخب از یک یا دو فارم و طراحی داشبورد اولیه.

فاز دوم: توسعه الگوریتم‌ها

تحلیل رفتار گله، تعریف الگوهای غیرعادی و ایجاد سیستم هشدار.

فاز سوم: توسعه مقیاس‌پذیر

اتصال فارم‌های متعدد و ایجاد داشبورد مدیریتی مرکزی.

⸻

۸- موارد مورد نظر برای ارائه در پروپوزال‌ها

پیشنهاددهندگان لازم است موارد زیر را ارائه نمایند:

* معماری پیشنهادی سامانه

* روش اتصال به دوربین‌های موجود

* روش پردازش و ذخیره‌سازی داده

* الگوریتم‌های پیشنهادی برای تحلیل رفتار بوقلمون‌ها

* الزامات سخت‌افزاری و نرم‌افزاری

* تجربه قبلی در بینایی ماشین یا دامپروری دقیق

* سطح آمادگی فناوری (TRL)

* الزامات امنیت داده و سطح دسترسی کاربران

* هزینه اجرای پایلوت

* هزینه توسعه در مقیاس چند فارم

* برنامه زمان‌بندی

* شاخص‌های ارزیابی موفقیت