ИИ-система ветеринарной диагностики по данным сенсоров и камер
Корова потребляет 60–70 литров воды в день. Если потребление упало на 30% — это один из первых признаков субклинического мастита или начала кетоза. Проблема: без автоматического мониторинга фермер замечает это на 3–5-й день, когда животное уже теряет продуктивность. Системы ветеринарной диагностики на основе CV и IoT-сенсоров работают с опережением клинических симптомов на 2–4 дня.
Два направления: поведенческий анализ и физиологический мониторинг
Поведенческий анализ по видеопотоку
Камеры над стойлами или проходами фермы работают круглосуточно. Нейросеть анализирует поведение животных: время жвачки, двигательная активность, паттерны визитов к кормушке и поилке, социальные взаимодействия.
Технически это задача multi-object tracking + action recognition:
- Детекция животных: YOLOv8 или DETR, fine-tuned на разметке конкретной фермы
- Трекинг: ByteTrack или BoT-SORT для устойчивого ID через окклюзии
- Классификация действий: I3D или SlowFast на временных окнах 8–16 кадров
Сложность — re-identification при одинаковом внешнем виде животных. Чёрно-белые коровы голштинской породы различимы по уникальному паттерну пятен. Для других пород используем ear tag detection (если бирки есть) или body re-id признаки через ArcFace-подобный подход.
Показатель, который реально работает для ранней диагностики: rumination time (время жвачки) ниже 380 минут/день — сигнал тревоги для ацидоза рубца. Модель считает это автоматически по характерным движениям нижней челюсти.
Физиологические сенсоры и их фьюжн с видео
Шейные болюсы (Allflex, SCR by MSD) — IoT-устройства в рубце или на ошейнике, измеряют температуру, pH рубца, двигательную активность. Данные приходят каждые 10–15 минут через BLE → концентратор → облако.
Термографические камеры — FLIR A50/A70 над проходом фиксирует тепловой профиль животного. Асимметрия температуры вымени > 1.5°C — ранний признак мастита с чувствительностью 0.84 при специфичности 0.79 в наших тестах.
Фьюжн сенсорных и видеоданных для диагностики: мультимодальная модель принимает на вход временной ряд от IoT + агрегированные поведенческие признаки из видео. Архитектурно — LSTM или Temporal Transformer для временных рядов плюс MLP для статических признаков (порода, лактационный период, история болезней), конкатенация эмбеддингов перед финальным классификатором.
На датасете 230 коров за 18 месяцев (молочная ферма, Московская область), события мастита + кетоза + хромоты:
- AUC-ROC для предсказания мастита за 48 ч: 0.87
- AUC-ROC для кетоза за 72 ч: 0.82
- Precision при порог 0.65: 0.78 (приемлемо для скрининга)
| Патология | Окно предсказания | AUC-ROC | [email protected] |
|---|---|---|---|
| Мастит | 48 часов | 0.87 | 0.78 |
| Кетоз | 72 часа | 0.82 | 0.74 |
| Хромота | 96 часов | 0.79 | 0.71 |
Детекция хромоты по видео — отдельный глубокий раздел
Хромота — одна из главных причин выбраковки коров. Стандартный метод оценки — шкала Sprecher (1–5), субъективна и выполняется агрономом раз в месяц. Автоматизация: анализ походки по видео прохода животного через калитку-весы.
Ключевые признаки: step asymmetry (разница длины шага левой/правой), arc of back (кривизна спины — горбится при боли), head bob (кивание головой при болезненном шаге). Извлекаем через pose estimation (Animal Pose Estimation на основе ViTPose или AP-10K — оба имеют предобученные веса для крупного рогатого скота).
Из практики: классификатор на основе 12 ключевых точек скелета коровы (хребет, плечи, колени, копыта) + LSTM на 30 кадрах прохода даёт согласованность с оценкой ветеринара 87% против 64% у традиционного силуэтного метода.
Инфраструктура системы
- Камеры: Axis P3245-V (IP66, PoE) в коровнике, FLIR A50 над калиткой
- Edge: NVIDIA Jetson AGX Xavier, обрабатывает 8 потоков HD одновременно
- База данных: TimescaleDB для временных рядов сенсоров
- Алерты: интеграция с WhatsApp/Telegram или SMS через Twilio
- Dashboard: Grafana с фермерскими метриками или интеграция в ПО стада (Uniform Agri, DairyComp 305)
Сроки
Система поведенческого мониторинга для одного объекта: 8–12 недель. Комплексная диагностическая платформа с фьюжном сенсоров и ранним предупреждением: 4–6 месяцев.