ПРОГРЕСС

В России практически отсутствуют автоматизированные средства контроля состояния здоровья сельскохозяйственных животных, из-за чего, например, средняя предубойная масса коров в среднем на треть меньше, чем в США, а рост упитанности в сутки составляет около 400 грамм, вместо 1000 грамм в США. Причины: неправильное питание и недостаточный уход. Наш АПК «ДОБРОГЛАЗ» наблюдает и немедленно предупреждает о: - Заболевании животного - Исчезновении животного - Обнаружении хищника - Истощении пастбища - Скорости роста упитанности стада - Массе конкретного животного. И сразу выдает экспертные рекомендации по исправлению ситуации. Новизна решений: - в мире отсутствовала нейросеть, способная одновременно классифицировать, идентифицировать и распознавать позы животного. Одновременная реализация этого делает возможным создание "паспорта животного", в котором отражена связь между кормовой базой, поведением и здоровьем животного с его привесами и удоями. - в мире отсутствовала программа, способная выявлять отклонения поведения КРС от нормального на видеопотоке. Для этого применяется комбинация статистической модели и модели машинного обучения с нейросетью, способная в реальном времени распознавать и классифицировать для моделей объекты с видеопотока. - впервые в мире в сельскохозяйственной ветеринарии применяется недорогое мобильное устройство, анализирующее с помощью ИИ комбинированное изображение КРС в видимом и ИК- диапазоне.

Аппаратно-программный комплекс (АПК) "Доброглаз" предназначен для мониторинга и анализа состояния здоровья и поведения крупного рогатого скота (КРС) как на открытых пастбищах, так и в закрытых помещениях. АПК оптимизирует технологии выращивания, содержания, контроля состояния здоровья, повышения продуктивности животных, а также снижает затраты сельхозпредприятий и фермеров на корма, ветеринарное обслуживание и аренду пастбищ. АПК "Доброглаз" состоит из следующих основных компонентов: Аппаратная часть, включающая: - стационарные и/или мобильные (на БПЛА) видеокамеры и тепловизоры, в режиме реального времени передающие видеопотоки на сервер обработки данных; - сервер обработки данных, который получает, хранит и анализирует данные с видеокамер и тепловизоров; - персональные компьютеры или мобильные устройства клиентов, получающие информацию о состоянии и поведении животных в виде отчетов, графиков, таблиц, карт и экспертных рекомендаций с сервера обработки данных. Программная часть, включающая: - модуль подготовки данных, который преобразует видеопотоки с видеокамер и тепловизоров в наборы кадров для эффективной обработки на графических процессорах (GPU), а также отбрасывает одинаковые кадры для повышения быстродействия; - модуль классификации объектов, который использует нейронную сеть (НС) архитектуры YOLOv4 для распознавания животных, травы и других объектов на кадрах; - модуль оценки травы, который несколько раз в день анализирует фото с пастбищ и оценивает количество(высоту, площадь), качество и динамику роста травы на пастбищах с помощью математической модели и набора автоэнкодеров; - модуль идентификации животных, который использует собственную НС для создания базы данных животных и способен сопоставить распознанных животных с RFID-метками в базе данных клиента; - модуль создания "паспорта животного", который на основе базы данных об индивидуальных характеристиках каждого животного формирует его профиль, включающий, в том числе, информацию о генофонде, состоянии здоровья, перенесенных заболеваниях, молочной/мясной продуктивности, поведении. В дальнейшем возможна интеграция профиля животного из АПК «ДоброГлаз» в программы ведения статистики, используемыми на конкретном сельскохозяйственном предприятии. - модуль детекции позы, который использует нейросеть для определения позы животного (стоит, лежит, наклон головы) по сочленениям скелета; - модуль анализа поведения, который использует две модели: статическую, основанную на общих закономерностях поведения КРС, и динамическую, дообучаемую по ходу работы, для выявления шаблонов и аномалий в поведении животных; - модуль диагностики, который для выявления типичных признаков заболеваний с помощью нейросетей анализирует изображения КРС в видимом и инфракрасном диапазонах, и сопоставляет с ними данные с модулей детекции позы и анализа поведения животного. - модуль экспертной системы, который на основе данных с модуля диагностики применяет правила, сформированные экспертами в ветеринарии для генерации предупреждений о патологических состояний животных, с выдачей рекомендаций клиентам; - модуль визуализации данных, который представляет информацию о состоянии и поведении животных в виде отчетов, графиков, таблиц, карт.