Inférence par sous-fenêtre : Une nouvelle approche pour améliorer le comptage des moutons dans des images aériennes à haute densité

Les méthodes traditionnelles de comptage des moutons sont laborieuses, chronophages et potentiellement perturbatrices pour le comportement des moutons. Les véhicules aériens sans pilote (UAV) et les techniques d'apprentissage automatique (ML) ont émergé pour relever ces défis en automatisant le processus. Cependant, ces solutions rencontrent des difficultés en raison de faibles ratios objet-image-pixel et de fortes densités d'objets dans les images capturées pour le comptage des moutons, ce qui peut compromettre la précision de la détection et du comptage. Dans cette étude, nous introduisons et évaluons une approche nouvelle, l'inférence par sous-fenêtre, conçue pour augmenter les ratios objet-image-pixel, améliorant ainsi les performances des modèles existants de détection et de segmentation d'objets. Notre méthode a été comparée à quatre autres techniques de comptage d'objets, démontrant une performance supérieure en termes d'erreur absolue moyenne (MAE) réduite de 3,21 moutons et d'une erreur absolue en pourcentage moyenne (MAPE) de 1,27 %. De plus, nos résultats indiquent que l'incorporation d'une augmentation de données par découpage aléatoire durant l'entraînement du modèle améliore significativement à la fois la précision de détection et de comptage. Il est important de noter qu'une limitation de l'inférence par sous-fenêtre est qu'elle ne facilite pas les prévisions de comptage en temps réel. Dans l'ensemble, notre méthode proposée d'inférence par sous-fenêtre réduit la MAE dans les techniques de comptage automatisé des moutons impliquant des UAV et du ML, présentant une solution hautement efficace qui bénéficie aux éleveurs de moutons.