Retrieval of Sheep Using Unmanned Aerial Vehicles

Abstract

Bønder bruker mye tid hver høst på å hente inn sauene sine fra fjellet. Denne prosessen bør effektiviseres med moderne informasjonsteknologi, da eksisterende løsninger ikke er tidsmessig tilfredsstillende. I denne artikkelen presenterer vi et system som analyserer bilder tatt med en Unmanned Aerial Vehicle(UAV) for å detektere saueliknende objekter, og dette systemet kan brukes med hvilken som helst UAV. Vi legger fram forskjellige løsninger for objektdeteksjon ved å bruke OpenCV sitt bibliotek med tradisjonelle datasynmetoder og bildeprosessering, som kan være nyttige til å finne sau på en mer effektiv måte. I disse løsningene studerer vi utfallet av å bruke ulike filtre og tersklingsmetoder på bildene, i tillegg til detektere farger og konturer. Vi diskuterer også de positive aspektene og ulempene med de tre løsningene, og sammenligner effektiviteten til de beste løsningene. Mer spesifikt sammenligner vi antallet sauer metodene finner med det totale antallet sauer i bildene. Resultatene viser at deteksjon av ikke-hvite sauer er vanskelig, spesielt på grunn av store mengder falske positive. Ved å kombinere en av de mest suksessfulle metodene med et infrarødt kamera, vil man kunne oppnå et tilfredsstillende resultat når man detekterer sau.

Farmers spend a lot of time every fall collecting sheep from the mountains. This process needs to be done more efficient using modern information technology, as existing solutions are not satisfactory. In this paper we propose a system analyzing images taken with an Unmanned Aerial Vehicle(UAV) to detect sheep-like objects, and this system could be used with any off-the-shelf UAV. We present different solutions for object detection using the OpenCV library with traditional computer vision methods and image processing that can be helpful in retrieving sheep more efficiently. In these solutions we study the outcome of applying different filters and thresholding methods to the images, as well as detecting colours and contours. We also discuss the positive aspects and drawbacks of the solutions, and compare the effectiveness of the best solutions. More specifically we compare the amount of sheep found with the total amount of sheep in the images. The results show that detecting non-white sheep is difficult, especially concerning the high amounts of false positives. By combining one of the most successful solutions with a thermal camera, one could achieve satisfactory results when detecting sheep.