AgriScan AI — ИИ-анализ индекса массы тела крупного рогатого скота

1. Автоматизировать оценку физического состояния коров (индекса массы тела, BCS) на ферме, снизив зависимость от субъективных наблюдений операторов.

2. Повысить точность определения BCS до уровня F1 ≥ 0.8 при шаге 0.25.

3. Сократить время анализа одной особи с нескольких минут до секунд.

4. Интегрировать систему с лидарами и RFID-считывателями для создания сквозной идентификации и мониторинга животных.

2024

• Повышена точность определения индекса массы тела до F1 = 0.85 (при шаге 0.25).

• Время оценки одной коровы сократилось в 10 раз (до 5–6 секунд). Исключено влияние человеческого фактора.

• Внедрение позволило:

  • снизить перерасход кормов на 5–10 %,

  • повысить надои на 3–5 %,

  • уменьшить заболеваемость на 5–8 %.

• Экономический эффект — около 3 млн ₽ в год на ферму, окупаемость — менее 12 месяцев.

• Программная платформа AgriScan AI 

• Алгоритмы: FastSAM, EfficientNetV2, DINOv2 + XGBoost.

• Контейнеризация: Docker, управление через REST API.

• Оборудование: • стереокамера ZED 2i, • лидар, • RFID-считыватель Agrident 650, • сервер Linux (GPU RTX 3080, CPU ≥ 2.9 ГГц, RAM ≥ 16 ГБ).

В проекте не используются решения из каталога Global CIO

• Необходимо было объединить данные трёх источников: видео, лидар, RFID, обеспечив их синхронизацию и стабильность обработки в реальном времени.

• Работа велась в условиях действующей фермы, где характерны нестабильное освещение, движение животных и высокая влажность. Для обеспечения стабильного качества данных проведена оптимизация конфигурации оборудования: скорректированы углы установки камер, что повысило точность распознавания и уменьшило влияние посторонних артефактов.

• При работе с 3D-лидаром решалась задача фильтрации избыточных точек, возникающих из-за отражений и особенностей помещения. Были адаптированы алгоритмы обработки облаков точек и реализованы методы выделения контуров животных, что обеспечило корректное формирование 3D-моделей и улучшило качество измерений.

• Система разрабатывалась и обучалась в изолированной инфраструктуре без доступа к внешним API. Требовалась высокая точность и отказоустойчивость: F1 ≥ 0.8 при задержке менее 10 секунд.

ООО «ТК Ярвет» — животноводческая ферма на 3000 голов скота.

На ферме контроль упитанности коров проводился вручную: общий визуальный осмотр каждой особи занимал от 30 секунд до 2 минут и зависел от опыта оператора, что приводило к разбросу в оценках и неточной картине состояния стада.

Разработанное решение AgriScan AI анализирует видео- и 3D-данные, полученные с камер и лидаров, для автоматического определения индекса массы тела у коров (BCS).

Система внедрена в производственную инфраструктуру фермы:

• интегрирована с RFID-считывателем Agrident 650 для идентификации животных;

• адаптирована под стереокамеру ZED 2i и работу с облаками точек;

• синхронизирует RGB-видео и 3D-данные для точного расчёта параметров.

Разработка велась на серверах Исполнителя (ООО «Чек-Стар») с последующим развертыванием в «ТК Ярвет».

Все компоненты контейнеризированы (Docker), предусмотрен MLOps-контур для дообучения моделей и контроля качества.

Решение работает в локальной сети фермы без доступа к облачным сервисам.

Ярославская область, Российская Федерация.

Административный офис и основной склад находятся в Ярославле.

Решение используется на животноводческой ферме с поголовьем более 3 000 коров.