Студенты из России обучили нейросеть распознаванию ряда болезней коров раньше, чем это удается ветеринарам. Видеокамеры фиксируют движения и поведение животных, а алгоритм ищет ранние признаки хромоты, мастита и бурсита. Хромоту система определяет с точностью более 95%. При этом ферме не нужны цифровые метки, чипы или специальные считыватели — достаточно видеокамер, правильно размещенных на объекте. О том, как искусственный интеллект работает круглосуточным ветеринаром, рассказывается в материале «Известий».
Камера вместо датчикаСпециализированную нейросеть для ранней диагностики болезней коров разработали студенты Уральского федерального университета (УрФУ). Созданная платформа в круглосуточном режиме через камеры следит за состоянием и поведением крупного рогатого скота, анализирует движения и автоматически выявляет отклонения, которые могут говорить о проблемах со здоровьем.
В систему входит несколько модулей. Один из них диагностирует хромоту с точностью свыше 95%, другие оценивают упитанность животных, анализируют кормовой стол и сопровождают процесс доения. Параллельно авторы улучшают модули для раннего выявления мастита и бурсита, а также выдают прогнозы по срокам отела.
— Все данные по животному собираются в единую цифровую карточку. Ветеринар ежедневно получает список коров, которых ему стоит осмотреть в первую очередь. А при критических изменениях система может отправить ему срочное уведомление, — пояснил один из авторов платформы Кирилл Белоцерковский.
Принципиальное отличие платформы в том, что для опознания животных не требуются чипы или бирки. Вместо них нейросеть определяет состояние коров по внешним признакам. Поэтому владельцам ферм не понадобится обустраивать дополнительную инфраструктуру со считывателями, антенными арками или роботизированными системами.
Как уточнил Кирилл Белоцерковский, нейросеть может работать на уже установленных камерах и встраиваться в имеющиеся системы управления стадом. Главная ставка сделана на раннее выявление проблем: разработка должна находить заболевания на стадии, когда лечение еще эффективно и экономически целесообразно. При обычном визуальном осмотре специалист нередко замечает признаки болезни позже, когда животному уже хуже.
Платформа уже прошла пилотные испытания на фермерских хозяйствах, получила статус резидента «Сколково» и стала лауреатом конкурса «Стартап как диплом», ее работа подтверждена протоколами испытаний.
— Мы помогаем участникам конкурса «Стартап как диплом» выстраивать новые профессиональные связи, выходить на отраслевые и федеральные мероприятия, консультируем команды, если у них возникают трудности, — стараемся создавать все условия, чтобы перспективные проекты находили свое место в реальной экономике, — подчеркнула директор Проектного офиса по развитию молодежного предпринимательства Минобрнауки России Ольга Серебрянникова.
Раннее выявление — главное преимуществоВидеоаналитика в животноводстве, как отмечают специалисты, уже не новая технология. Ее главное преимущество — возможность непрерывно следить за большим стадом и видеть изменения, которые человек чаще всего не замечает.
— Мастит и хромота — это серьезные проблемы в животноводстве, они влияют и на производство молока, и на здоровье животных. Автоматизация диагностики с помощью ИИ может стать важным шагом к улучшению благополучия животных, сокращению использования антибиотиков и экономических потерь, — заявил руководитель сегмента «Умные цепи поставок» рабочей группы FoodNet НТИ Сергей Косогор.
Косогор добавил, что видеоаналитика помогает отслеживать положение тела, характер перемещений и перемены в поведении животных, поэтому нарушения можно обнаружить до того, как проявятся очевидные симптомы. Эти выводы подтверждаются зарубежными исследованиями: команда Университета Миннесоты показала, что система CattleEye выявляет хромоту примерно на четыре недели раньше человека.
— В этом и есть главная польза подобных систем: они могут увидеть то, что регулярно пропускают даже опытные зоотехники, просто потому, что человек физически не может ежедневно внимательно осматривать походку каждой коровы в большом стаде, — отметил руководитель лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН Максим Абрамов.
Аналогичные разработки появляются и в России. Тимирязевская академия совместно с ГК «Агроэко» тестирует решение для выявления хромоты, а стартап «ВЕТАИ» на базе Томского госуниверситета применяет компьютерное зрение для непрерывного наблюдения за животными.
— Прорывной в смысле самой идеи разработку УрФУ я бы не назвал. Скорее, она удачно объединяет несколько диагностических модулей — мастит, бурсит и хромоту — в одном решении. Компьютерное зрение в животноводстве уже далеко не новость, а вот комбинацию модулей можно назвать новой, — считает Максим Абрамов.
Есть у технологии и ограничения. На точность нейросети могут влиять ракурс и высота камер, освещение, покрытие пола, порода и окрас животных, а также плотность стада. По этой причине модель, обученная на одной ферме, не обязательно сработает так же на другой. Отдельная задача — идентификация конкретной коровы по внешним признакам без специальных RFID-меток.
Вопросы вызывает и оценка хромоты: шкала Шпрехера построена на визуальном осмотре специалистом, а разные эксперты могут расходиться в оценке одного и того же животного. От качества разметки напрямую зависит итоговая точность нейросети.
— Это стандартные вопросы для подобных систем. Насколько последовательно команда их закроет за счет разнообразных обучающих данных, честной методологии оценки и испытаний на разных фермах и породах, настолько полезной разработка станет для отрасли, — подчеркнул Максим Абрамов.
Эксперт по информационным технологиям Сергей Поморцев также указал на высокий уровень конкуренции в области ИИ для сельского хозяйства. Чтобы выйти на рынок, новой платформе придется подтвердить заявленные показатели на более широкой выборке ферм и пород и предложить хозяйствам значимые технологические или экономические преимущества.