Нейросеть выявляет заболевания коров на ранних стадиях

Студенты Уральского федерального университета разработали нейросеть, которая позволяет обнаруживать болезни коров раньше, чем это делают ветеринары. Система использует камеры для мониторинга движений и поведения животных, а искусственный интеллект анализирует первые признаки хромоты, мастита и бурсита. Точность распознавания хромоты превышает 95%. Для работы системы не требуется установка цифровых меток или чипов — достаточно правильно расположенных видеокамер. Об этом сообщает портал Ferra.

Разработка включает несколько модулей, один из которых определяет хромоту, а другие оценивают состояние животных, анализируют корм и контролируют процесс доения. Ведется работа над модулями для раннего выявления мастита и бурсита, а также прогнозированием времени родов.

Все данные о животных собираются в единую цифровую карточку, что позволяет ветеринару получать список коров, требующих первоочередного осмотра. При критических изменениях система может отправлять срочные уведомления.

Главное преимущество разработки заключается в том, что для идентификации коров не используются специальные чипы или бирки. Нейросеть определяет состояние животных по внешним признакам, что избавляет владельцев ферм от необходимости устанавливать сложную инфраструктуру.

Система уже прошла пилотные испытания и стала резидентом «Сколково», а также лауреатом конкурса «Стартап как диплом». Эксперты отмечают, что автоматизация диагностики с помощью ИИ может значительно улучшить благополучие животных и снизить использование антибиотиков.

Видеоаналитика в животноводстве позволяет непрерывно наблюдать за стадом и замечать изменения, которые могут быть упущены человеком. Это важно, так как мастит и хромота влияют на здоровье животных и производство молока. Зарубежные исследования показывают, что системы, подобные CattleEye, способны обнаруживать хромоту за четыре недели до того, как это заметит человек.

Тем не менее, у технологии есть ограничения. На точность нейросети могут влиять различные факторы, такие как ракурс и высота камер, освещение и порода животных. Также существует необходимость в точной визуальной оценке состояния животных, что может варьироваться у разных экспертов.

Эксперты подчеркивают, что для успешного внедрения системы необходимо провести испытания на различных фермах и породах, чтобы подтвердить ее эффективность и полезность для отрасли.