TRACE：家畜のCO2排出量のためのサーマル認識アテンティブ・フレームワーク

概要: 放し飼いの牛から排出される呼気CO2を定量化することは、第一にルーメン（第一胃）代謝状態の直接的な指標であり、第二に農場規模でのカーボン会計の前提条件ですが、物理的な拘束や接触なしに、連続的で空間的に解像された計測を提供できる既存システムは存在しません。私たちは、TRACE（TRACE: 生活畜産物からのCO2排出のための熱ガス認識アテンション・フレームワーク）を提示します。これは、中波赤外線（MWIR）熱画像の動画から、フレーム単位のCO2プルーム（ガス噴煙）セグメンテーションと、クリップ単位の排出フラックス分類を同時に扱う最初の統一的フレームワークです。TRACEは3つの領域固有の進歩をもたらします。すなわち、エンコーダ段階ごとに高排出領域へ自己注意を導くため、画素ごとのガス強度を空間的な教師信号として取り込むThermal Gas-Aware Attention（TGAA）エンコーダです。次に、シーケンス全体のフラックス分類のために、構造化されたフレーム間のクロスアテンションを通じて呼吸サイクルのダイナミクスを捉えるAttention-based Temporal Fusion（ATF）モジュールです。そして、両方の目的を結び付けつつ勾配干渉を防ぐ、4段階の漸進的トレーニング・カリキュラムです。CO2 Farm Thermal Gas Datasetにおいて、15の最先端モデルと比較すると、TRACEはmIoUが0.998を達成し、セグメンテーションおよび分類のあらゆる指標において同時に最良の結果を得ています。さらに、数倍のパラメータを備えた領域固有のガス・セグメンターを上回り、フラックス分類においてすべてのベースラインを上回ります。アブレーション研究により、各コンポーネントが個別に不可欠であることが確認されます。ガス条件付き注意だけでも、プルーム境界の正確な位置特定が決まります。一方で、フラックス・レベルでの識別には時間的推論が不可欠です。TRACEは、上方からの熱カメラを商業規模で用いることで、非侵襲的かつ連続的で、動物ごとのCO2モニタリングを実現するための実用的な道筋を確立します。コードは https://github.com/taminulislam/trace で公開されています。