Automatic detection of sheep in Norwegian highland terrain using YOLOv3
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2777511Utgivelsesdato
2020Metadata
Vis full innførselSamlinger
Sammendrag
Bruken av ubemannede luftfartøy (UAV, eller drone på norsk) har sett en økning i bruketter at flere folk har testet potensielle bruksområder. Bruksområder som overvåkning avdyreliv, søk og redning, inspeksjon og overvåkning av trafikk er noen av feltene som drarnytte av denne utviklingen.Ved å kombinere droner med topp moderne objekt detektorer har det blitt vist stort potensialei å automatisere ovennevnte jobber. Dette kan hjelpe med å øke produktivitet, minkemenneskelige feil og automatisere farlige jobber. Denne oppgaven utforsker hvordan endrone utstyrt med høyoppløselig kamera i tillegg til et infrarødt kamera, kan kombineresmed en topp moderne objekt detektor for å lokalisere sauer i norsk fjellområder. En av detopp moderne objektdektorene, er YOLO (You Only Look Once), som gir en veldig godbalanse mellom presisjon og inferensstid. YOLOv3 er implementasjon som ble brukt idenne oppgaven.For sauebonden er det viktigere å finne en tilnærmet posisjon for sauene. En eksaktlokasjon av hver eneste sau i et bilde er ikke det viktigste, siden sauen kan ha bevegetseg i tiden mellom deteksjon og manuell gjenfinning. Det betyr at det å filtrere ut allebilder uten sau er viktigere. Et annet aspekt av oppgaven er å sammenligne fargebilder oginfrarøde bilder, for å se om et infrarødt kamera er overflødig. 4k fargebilder krever merkomputasjon, minne og fargebildene gir tre forskjellige farger på sauens ull. I motsetninghar infrarøde bilder bare gråskala.Det er uklart i hvor stor grad infrarøde bilder er bedre på dette stadiet, siden resultateneer veldig jevne. Infrarøde bilder gir bedre resultat i kalde omgivelser, men sliter medmer uklare bilder i større høyder, mens fargebilder har en mer konsistente resultater.Forskjellige nettverkskonfigurasjoner ble brukt på fargebilder og infrarøde, så det varvanskelig å sammenligne resultatene rettferdig. The usage of unmanned aerial vehicle’s (UAV) has seen an increase as more people havebeen testing their potential. Usage areas such as wildlife monitoring, search and rescue,inspection and traffic monitoring are some of the fields that benefit from the development.Combining UAV’s with state of the art object detectors have shown great promise inautomating the jobs stated above. This can help increase productivity, decrease humanerror and automate dangerous jobs. This thesis aims at exploring how a UAV equippedwith a high resolution camera as well as an infrared camera, combined with a state of theart object detector can help locate sheep in Norwegian highland terrain. One of the stateof the art object detectors is YOLO (You Only Look Once), which gives a good balancebetween precision and inference time. YOLOv3 is the implementation used in this thesis.For the shepherd, finding the rough location of the sheep is the most important aspect.The exact location of every individual sheep in an image is not essential, as the sheep canmove around from the time of detection to herding. Thus, filtering out images withoutany sheep is the most important. Another aspect is to compare the performance of RGBpictures and infrared, to see if the infrared camera is redundant. 4k RGB pictures requiresmore computing power, memory usage, as well as having three distinct wool colours. Asopposed to infrared that only output greyscale.It is unclear how much of a benefit infrared images yield at this point, as the resultswere very close between the networks. Infrared images increases performance in coldenvironments, but struggles with generating clear images at higher altitudes, while RGBimages have a more consistent performance. Different network configurations were usedon RGB and infrared images, making it hard to compare the results fairly.