자동 돼지 모니터링은 돼지의 건강을 보장하고 집약적 돼지 농장의생산성과 수익성을 더욱 향상시키는 데 도움이 된다. 돼지를비침습적으로 24 시간 지속적으로 모니터링할 수 있는 적외선 카메라는현재의 자동 돼지 모니터링 시스템에 널리 사용된다. 그러나 실제로양돈장에서 적외선 카메라를 사용할 경우 양돈장의 가혹한 환경으로인해 카메라 렌즈는 지속적으로 오염되어 돼지 탐지를 수행하기에충분히 깨끗한 이미지를 제공하지 못하는 경우가 많다. 본 논문에서는양돈장의 실제 환경에서 돼지의 탐지 성능을 향상시키기 위해 실시간노이즈 강인 돼지 탐지 시스템을 제안한다. 이 시스템은 전처리기를 통해노이즈 영상을 깨끗한 영상으로 변환한 후, 노이즈가 제거된 영상에서돼지 검출기를 통해 돼지 검출을 수행할 수 있다. 전처리기는 U-Net 및GAN 에 다중 스케일 공간 주의 모듈을 혁신적으로 내장하여 모델이노이즈 영역에서 이미지 변환에 더 많은 주의를 기울일 수 있도록 한다.쌍을 이룬 데이터에서 모델을 훈련하기 위해 노이즈 시뮬레이션 방법이제안됩니다. 실험 결과에 따라 본 논문에 제안한 방법이 양돈장에 설치된적외선 카메라가 오염되었을 때 돼지 소음 제거 성능을 획기적으로향상시킬 수 있음을 입증하였다. 또한 다른 최신 이미지 디헤이징 모델과비교하여 최고의 디노이징 성능과 가장 빠른 추론 속도를 가진다.
Automatic pig monitoring is beneficial in guaranteeing the pig's health and welfare andfurther improving the productivity and profitability of intensive pig farms. The infraredcamera, which can monitor pigs non-invasively and 24h continuously, is widely used incurrent systems that automatically monitor pigs. However, when the camera is used in actualpig farms, it is continually contaminated by the abrasive pig farm environment. It cannotdeliver clean enough images to do pig detection. To improve the pig detection performancein the real pig farm environment, this paper proposed a real-time and noise-robust pigdetection system that can use a preprocessor to first make the noise image clean, and then apig detector to do pig detection on the clean figure. The preprocessor effectivelyincorporated numerous spatial attention modules into GAN and a U-Net network in order togive the model the ability to pay closer attention to the image transformation in the noisyregion. The model will be trained on paired figures using a method of noise simulation. Theexperiment's results indicated that, even when the pig farms' infrared cameras arecontaminated, the proposed approach can still greatly increase pig denoising performance.Comparing the proposed methodology to other cutting-edge image dehazing models, it alsoexhibited the best denoising performance and the fastest inference speed.