Белгородские ученые создали высокоточный метод распознания сельскохозяйственных животных при помощи нейросети

Разработка поможет предприятиям АПК эффективнее управлять стадами, улучшить ветеринарный контроль и условия содержания животных.

Разработанный аппаратно-программный комплекс с высокой точностью распознает каждую особь по уникальным чертам и ведет за ней персональное наблюдение. Предложенная система мониторинга — результат совместной работы ученых Института инженерных и цифровых технологий НИУ «БелГУ» и их казахстанских коллег из Каспийского государственного университета технологий и инжиниринга имени Есенова. Над технологией распознавания белгородцы трудились около пяти лет. Первыми, на ком ее протестировали, были свиньи — самые сложные для идентификации животные. Они похожи друг на друга, и человеку крайне трудно различить их в большой динамичной группе.

Результаты исследования опубликованы в международном научном журнале Technologies. В отличие от широко применяемых сегодня дорогих и вызывающих стресс у животных инвазивных методов контроля за их состоянием (высокочастотных датчиков, идентификационных меток), новая разработка позволяет обойтись без физического контакта с объектами наблюдения. Сначала нейросеть обнаруживает животных в видеопотоке с камер, затем по базе данных идентифицирует их. Далее механизм в автоматическом режиме отслеживает поведение каждой распознанной особи и уведомляет операторов о любых отклонениях.

Программный комплекс может быть полезен для диагностики заболеваний животных на ранних стадиях. Он создает практические рекомендации для работников ферм, например, по оптимизации графиков кормления и корректировке температурного режима содержания их подопечных. Еще одно важное преимущество — способность самостоятельно обнаружить в стаде новое животное и автоматически включить его в базу данных.

Разработку можно адаптировать для предприятий АПК различного уровня, а в перспективе — утверждают создатели — интегрировать в цифровые платформы управления не только животноводческими, но и крупными промышленными комплексами.