Edge-AI Based Smart Pet Monitoring Framework: A Rabbit Case Study

方法

树莓派边缘计算、YOLOv9、OpenCV、Arduino及温湿度超声波传感器。

发现

200张图像测试验证了框架可行性，但需更多测试才能实际应用。

机会点

可扩展至畜禽行为健康监测，解决边缘设备算力与多目标识别精度问题。

当照顾动物的人不在身边时，对动物进行持续监测是很困难的。它们进食方式、饮水量、站立姿态以及白天活动的变化，可以反映其健康状况是否发生变化或日常规律是否出现异常。本文讨论了一种基于边缘人工智能的智能宠物监测框架。其目标是及时观察宠物的行为及其周围环境。该系统注重隐私保护。它使用计算机视觉、物联网、传感器以及靠近数据端而非云端进行的计算，这减少了对互联网接入的需求。树莓派作为边缘设备，运行Python和OpenCV图像处理流程，并使用YOLOv9检测器识别进食、饮水、姿态和活动状态。温度、湿度、超声波距离和水位传感器提供环境数据，而Arduino控制层通过LCD、蜂鸣器、LED和舵机处理警报。本地推理实现了实时处理，并改善了隐私、数据所有权和响应时间。我们在受控环境中测试了200多张图像，发现系统可以工作，但测试仍处于早期阶段。该框架为智能宠物监测提供了一个灵活的基础，在完成更多测试后，可能有助于家庭、收容所以及兽医使用。