Стадный ИИнстинкт: нейросеть выявит заболевания коров на ранних стадиях
Российские студенты научили нейросеть выявлять некоторые болезни коров раньше ветеринаров. Камеры отслеживают движения и поведение животных, а ИИ ищет первые признаки хромоты, мастита и бурсита. Хромоту система уже распознает с точностью свыше 95%. При этом ферме не нужны цифровые метки, чипы и специальные считыватели — достаточно правильно расставленных видеокамер. Как искусственный интеллект «работает» круглосуточным ветеринаром — в материале «Известий».
Камера вместо датчика
Студенты Уральского федерального университета (УрФУ) создали специализированную нейросеть, способную выявлять заболевания у коров на ранних стадиях. Платформа круглосуточно следит за состоянием и поведением крупного рогатого скота с помощью камер, анализирует их движения и автоматически фиксирует отклонения, которые могут указывать на проблемы со здоровьем.
Система включает несколько модулей. Один из них определяет хромоту с точностью более 95%, другие оценивают упитанность животных, анализируют кормовой стол и контролируют процедуру доения. Параллельно разработчики совершенствуют модули для раннего выявления мастита и бурсита. Они также дают прогнозы по тому, когда произойдут роды.
— 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.
Главное отличие разработки — для идентификации животных не используются специальные чипы или бирки. Вместо них нейросеть определяет состояние коров по внешним признакам. Благодаря этому владельцам ферм не нужно устанавливать отдельную инфраструктуру со считывателями, антенными арками или роботизированными системами.
По словам Кирилла Белоцерковского, нейросеть может работать с использованием уже установленных камер и интегрироваться с существующими системами управления стадом. Ставка делается именно на раннее обнаружение проблем — разработка должна помогать выявлять заболевания на стадиях, когда лечение еще эффективно и экономически оправдано. При обычном визуальном контроле специалист может заметить признаки болезни позже, когда состояние животного уже ухудшилось.
Система уже прошла пилотные испытания в фермерских хозяйствах, стала резидентом «Сколково» и лауреатом конкурса «Стартап как диплом», имеет подтвержденные протоколы 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 преимущество
Видеоаналитика в животноводстве — это уже не принципиально новая технология, отмечают эксперты. Ее главное преимущество — возможность непрерывно наблюдать за большим стадом и замечать изменения, которые человек не всегда способен фиксировать.
— 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.
По его словам, видеоаналитика позволяет отслеживать положение тела, характер движений и изменения поведения животных и выявлять потенциальные проблемы еще до появления очевидных симптомов. Зарубежные исследования это подтверждают: команда Университета Миннесоты установила, что система CattleEye способна обнаруживать хромоту примерно за четыре недели до 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.
При этом аналогичные решения уже развиваются и в России. Тимирязевская академия совместно с ГК «Агроэко» испытывает систему для выявления хромоты, а стартап «ВЕТАИ» на базе Томского госуниверситета использует 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.
У технологии есть и ограничения. На точность нейросети могут влиять ракурс и высота камер, освещение, покрытие пола, порода и окрас животных, а также скученность стада. Поэтому модель, обученная на одной ферме, не обязательно покажет тот же результат на другой. Отдельная задача — идентификация конкретной коровы по внешним признакам без специальных меток (RFID).
Есть вопросы и к оценке хромоты: шкала Шпрехера основана на визуальной оценке специалиста, а разные эксперты могут по-разному оценивать состояние одного животного. От качества такой разметки зависит и 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 в сфере информационных технологий Сергей Поморцев также отметил высокую конкуренцию в сфере ИИ для сельского хозяйства. По его словам, для выхода на рынок новой платформе придется подтвердить заявленные показатели на большем числе ферм и пород и предложить хозяйствам существенные технологические или экономические преимущества.
