В ЛЭТИ создали систему наблюдения за состоянием коров с помощью ИИ

Программу, использующую нейросетевую модель для автоматического отслеживания по видеозаписям паттернов поведения крупного рогатого скота, которые могут свидетельствовать о заболеваниях животного, разрабатывают ученые Санкт-Петербургского государственного электротехнического университета (СПбГЭТУ) «ЛЭТИ», 1 августа сообщает пресс-служба вуза. В современных молочных агропромышленных комплексах могут содержаться сотни и тысячи коров, что затрудняет для персонала наблюдение за состоянием здоровья животных, которое необходимо для сокращения издержек на лечение и ветеринарию. Для решения этой проблемы часто применяют системы с использованием датчиков измерения физиологических параметров, размещая их на шее или, например, в желудке животного. Однако в случае крупного хозяйства с большим количеством животных применение таких систем требует значительных затрат на приобретение большого числа носимых устройств. Студентка 4 курса кафедры биотехнических систем, техник кафедры автоматики и процессов управления ЛЭТИ Дария Валенкова рассказала о разработанной петербуржцами альтернативе: «Для решения этой задачи на одном из предприятий молочной отрасли мы предложили использовать нейросетевую модель, которая в автоматическом режиме распознает характеристики поведения коров по записям, полученным с камеры видеонаблюдения. Такая система позволит отслеживать аномальное поведение животных на ранних стадиях и быстро сообщать об этом оператору». Обучение нейросетей обычно ведется на базе данных, которая может содержать несколько тысяч фото- и видеозаписей. При этом для обучения модели различиям в поведении коров очень сложно найти подходящий набор данных. Это поставило перед разработчиками в качестве первоочередной задачи сбор соответствующей информации. С этой целью ученые отправились на молочную ферму агропромышленного холдинга «ЭкоНива» в Воронежской области, где и собрали набор видеоданных с несколькими десятками коров, которые были засняты в разное время суток и в различных ситуациях. Всего в составленную базу данных для обучения нейросети вошло около 12 тыс. изображений. Это позволило действующей на ее основе системе анализа изображений распознавать на видеозаписях с точностью порядка 94% сразу несколько коров, отличая их друг от друга и от других объектов. Система также может определить их положение в пространстве, в том числе и тех животных, чье изображение на видеокамере частично перекрыто другими объектами. Ученые в настоящий момент разрабатывают поведенческую модель, с помощью которой будет определяться состояние здоровья крупного рогатого скота. В ней о недомогании животного будут свидетельствовать любые отклонения его поведения от нормального. «В перспективе наше программное обеспечение станет более эффективной альтернативой для систем, отслеживающих физиологическое состояние животных с помощью специальных датчиков, потому что для применения нашей системы в рамках большой фермы потребуется только несколько камер», — поделилась Дария Валенкова. Сейчас ученые работают над повышением точности нейросетевой модели, для чего идет расширение базы данных и повышение числа паттернов, по которым можно определить, что поведение животного отличается от нормального. Дополнительный сбор информации для приложения разработчики ведут вместе с Новосибирским государственным аграрным университетом.