Gjenfinning av sau ved hjelp av drone

Abstract

Hver høst må sauebønner over hele Norge hente inn sauene som har vært på beite. Dette er en tidkrevende prosess hvor de får hjelp av familie, venner og turgåere for å lokalisere og drive sauen til gården. Lokalisering foregår enten ved hjelp av sporingsutstyr som sauen blir utstyrt med før den drar ut på beite, eller ved at letemannskapet saumfarer terrenget og leter etter spor eller lytter etter bjeller. 90% av sauene går raskt å finne siden mange av de er utstyrt med sporingsteknologi og bjeller, men de siste 10% kan ta ukesvis å finne. Selv om det brukes enormt mye tid og ressurser er det ofte 10-20 sau og lam som ikke blir funnet og som dør når vinteren kommer.

I denne studien ser vi først på teori rundt bruk av drone. Vi ser at regelverk og øvrig lufttrafikk setter strenge føringer for hvordan man kan bruke droner, og bruk i kommersiell sammenheng krever mye papirarbeid. Ved å se på hvilke studier som er gjort tidligere og hvilket utstyr som er tilgjengelig har vi funnet potensielle løsninger for å kjenne igjen sau i bilder og IR-data.

I det eksperimentelle stadiet prøver vi ut teorien og våre hypoteser i praksis. For oss innebærer det å bruke en kombinasjon av IR-sensor og kamera på dronen for å samle data om hvordan sau blir representert i fugleperspektiv. Dataen vi samler blir analysert av egenutviklet programvare for å gjøre den lesbar for mennesker.

Ved å gjøre systematiske målinger av sau på jorder og ute i terreng finner vi at temperaturen på sau følger temperaturen i luften, noe som gir et godt utgangspunkt i videre utvikling av algoritmer for å automatisk finne sau ute i terreng.

Every autumn, sheep farmers all over Norway collect the sheep that have been grazing. This is a time-consuming process where they get help from family, friends and hikers to locate and move the sheep back to the farm. Localization is either by means of tracking equipment that the sheep is equipped with before grazing, or by the exploration crew scouring the terrain looking for clues and listening for bells. Most sheep can be found quickly since they are equipped with tracking technology and bells, but the last 10% can take weeks to find. Although huge amounts of time and resources are used, there are often 10-20 sheep and lambs that are not found and die when winter comes.

In this study we first look at the theory of drone usage. We see that regulations and other air traffic provide strict guidelines on how to use drones and using them in a commercial context requires a lot of paperwork. By looking at previous studies and which equipment is available, we have found potential solutions for recognizing sheep in images and IR-data.

In the experimental stage we test the theory and our hypotheses in practice. For us this involves using a combination of IR-sensors and cameras on the drone to collect data on how sheep are represented in bird’s eye view. The data we collect is analyzed by proprietary software to make it readable to humans.

By doing systematic measurements of sheep on fields and in mountains we find that the temperature of sheep is similar to the temperature in the air, which provides a good starting point for further development of algorithms to automatically localize sheep out in the field.