Нейросетевое распознавание и прогнозирование физиологического состояния молочного стада на основе сбора и анализа видеоинформации об их поведении

Стартовал научно-исследовательский проект «Нейросетевое распознавание и прогнозирование физиологического состояния молочного стада на основе сбора и анализа видеоинформации об их поведении»

Система ориентирована на раннюю диагностику заболеваний животных в молочном стаде при беспривязном содержании для повышения качества молочной продукции и экономической эффективности молочной фермы. Проект системы основан на комплексировании данных систем видеонаблюдения, бесшовной стыковке видеоданных с нескольких камер для покрытия всего пространства содержания КРС, тепловизионных камер и радиочастотной идентификации животных. Решением является создание фреймворка с использованием технологий машинного обучения и базы знаний для определения характерных состояний животного по анализу выделенных индивидуальных особенностей и треков движения животных.

Проведенные исследования в области проблем цифровой трансформации молочного животноводства, в том числе при содержании крупного рогатого скота, показали, что необходимо организовать мониторинг здоровья коров и их физиологического состояния в режиме 24/7, оперативный предикативный анализ поступающих данных о здоровье и физиологическом состоянии коров. Использование цифровых систем, обеспечивающих раннюю диагностику заболеваний коров, позволяет сократить затраты и сроки лечения коров, долю выбракованных молодых высокопродуктивных животных по причине заболеваний, уменьшает объемы бракуемого молока в период лечения.
Рассчитываемые в настоящее время показатели эффективности производства молока по действующим методикам не учитывают убыток от вынужденной выбраковки молодых высокопродуктивных коров в разгаре лактации по причине болезней, потенциальную прибыль от увеличения объемов племенной продажи, что затрудняет оценку эффективности освоения капиталоемких технологий для ранней диагностики заболеваний высокопродуктивных коров, более точного определения их физиологического состояния, сокращения сервис периода и затрат на продуктивное осеменение коров, увеличения выхода телят.
Для решения подобных задач предлагается разработать ИТ-решения управления здоровьем молочного стада, рассчитывая показатели совокупной результативности и экономической эффективности производства и реализации молока, воспроизводства стада, реализации выбракованных коров и племенного молодняка. В разработанной модели учитываются различия цен на реализуемых выбракованных коров по причине болезней (вынужденный забой) и по хозяйственным признакам (выранжировка); изменение соотношения между этими двумя причинами выбраковки; возможности роста объемов реализации племенного молодняка сверхнеобходимого поголовья для воспроизводства стада.
Разрабатываемые решения ориентированы на типичные хозяйства Ленинградской области с высоким уровнем молочной продуктивности (более 9000 кг в год на корову), перешедшие на высокопроизводительные технологии доения коров в доильных залах на крупных молочных комплексах (более 800 коров). Разработанная модель вариантных расчетов результативных показателей при реализации предложенных технологических решений позволяет повысить объективность оценок экономической эффективности разработки и освоения интеллектуальных цифровых технологий мониторинга стада, сроков окупаемости затрат на стадии их создания и освоения.

Проект проводится при финансовой поддержке РНФ и Санкт-Петербургского научного фонда (региональный грант № 23-19-20081).

За 2023 год авторским коллективом опубликованы следующие работы:

  1. Черкашин Е.А. Применение нейронных сетей для классификации объектов в видеоданных в задачах автоматического мониторинга состояния биологических объектов // Системы анализа и обработки данных. – 2023. – № 3 (91). – С. 69–86. – DOI: 10.17212/2782-2001-2023-3-69-86.
  2. Суровцев В.Н., Никулина Ю.Н., Зайцева А.А. Анализ методов оценки экономической эффективности цифровых технологий в молочном скотоводстве // Экономика сельского хозяйства России. 2023. № 8. С. 55-63.
  3. Осипов В.Ю. Векторные свойства и память нейронов. В книге: Сборник тезисов XXIV съезда физиологического общества им. И. П. Павлова. Санкт-Петербург, 2023. С. 586-587.
  4. Ачилов В.В., Олонцев В.А. Теоретическое обоснование требований к интеллектуальной системе видеомониторинга для анализа физиологического состояния коров и прогнозирования его изменения // Международный вестник ветеринарии», №4, 2023.
  5. Черкашин Е.А Применение нейронных сетей для классификации биологических объектов и прогнозирования их физиологических состояний по видеоданным. В сборнике: XVI Всероссийская мультиконференция по проблемам управления (МКПУ-2023). Материалы мультиконференции. В 4-х томах. Том 2. Редколлегия: И.А. Каляев, В.Г. Пешехонов, С.Ю. Желтов [и др.]. Волгоград, 2023. С. 277-280
Пост мультиспектрального контроля КРС в рамках проекта

За 2024 год авторским коллективом опубликованы следующие работы:

  1. Osipov V., Kuleshov S., Surovtsev V., Nikulina Y., and Zaytseva A. Method for Assessing the Economic Efficiency of Digital Technologies in Dairy Farming Considering Changes in Process Parameters. Advances in Science, Technology and Innovation. 2024. Part F2358, 139 – 143.
  2. Осипов В.Ю. Интеллектуальное нейроуправление с непрерывным обучением. Труды Всероссийского совещания по проблемам управления. Москва, 2024.
  3. Man, T., Osipov, V.Y., Zhukova, N., Subbotin, A., Ignatov, D.I. Neural networks for intelligent multilevel control of artificial and natural objects based on data fusion: A survey. Information Fusion, 2024, 110, 102427
  4. Осипов В.Ю. Интеллектуальная нейросетевая машина с функциями мышления. Информатика и автоматизация. 2024. Том 23, №4.
  5. Surovtsev, V., Nikulina, Y., Zaytseva, A., Kuleshov, S. (2024). Evaluation Model for Digital Technology Efficiency: The Example of Intelligent Digital Video Monitoring of Early Disease Diagnosis and Physiological Cows Condition. In: Ronzhin, A., Bakach, M., Kostyaev, A. (eds) Agriculture Digitalization and Organic Production. ADOP 2024. Smart Innovation, Systems and Technologies, vol 397. Springer, Singapore.
  6. Черкашин, Е. А. Повышение эффективности мониторинга здоровья и физиологического состояния молочных коров за счет построения интеллектуальной цифровой системы, использующей единое видео- пространство / Е. А. Черкашин, И. О. Шальнев, А. А. Зайцева // Экономика сельского хозяйства России. – 2024. – № 9. – С. 126-134. – DOI 10.32651/249-126. – EDN DRAKGJ.
  7. Осипов В.Ю., Кулешов С.В., Зайцева А.А., Суровцев В.Н., Ачилов В.В. Анализ динамики физиологического состояния продуктивных коров на основе видеомониторинга. Сельскохозяйственная биология, 2024, том 59, № 6, с. 1131-1144.
  8. Милосердов, Д. И. Усовершенствованная система нейросетевого прогнозирования групп временных рядов с непрерывным обучением / Д. И. Милосердов // Информационно-управляющие системы. – 2024. – № 1(128). – С. 20-30. – DOI 10.31799/1684-8853-2024-1-20-30. – EDN FRWKWP.
  9. Cherkashin, E.A., Kuleshov, S.V., Zaytseva, A.A. (2025). Fine-Tuning of Pretrained Neural Network Models for Monitoring the Physiological State of Cattle. In: Radionov, A.A., Gasiyarov, V.R. (eds) Advances in Automation VI. RusAutoCon 2024. Lecture Notes in Electrical Engineering, vol 1324. Springer, Cham. https://doi.org/10.1007/978-3-031-82494-4_30
  10. S. Kuleshov, A. Zaytseva and I. Shalnev, «Development of Smart Space Architecture for Dairy Farming Management,» 2024 8th International Conference on Information, Control, and Communication Technologies (ICCT), Vladikavkaz, Russian Federation, 2024, pp. 1-5, doi: 10.1109/ICCT62929.2024.10875024.

Также в 2024 году авторский коллектив докладывал результаты работы на следующих конференциях:

  1. VI международная научно-практическая конференция «Аграрная экономика в условиях глобализации и интеграции» (https://drive.google.com/file/d/1YPFW_Bum8XYNo_p3xziHr0xer0-SVzVo/view);
  2. IV Международная конференция по цифровизации сельского хозяйства и органическому производству (ADOP 2024) (https://adop.nw.ru/2024/)
  3. XIV Всероссийское совещание по проблемам управления (https://vspu2024.ipu.ru/)
  4. Международная конференция «Прикладной искусственный интеллект: перспективы и риски» (https://guap.ru/content/aai/programma_2024.pdf)
  5. VIII Международная конференция «Информационные технологии и технические средства управления» (ICCT-2024) (https://icct2024vladikavkaz.com/)
  6. Международная научно-техническая конференция «Автоматизация-2024» (RusAutoCon) (https://rusautocon.org/programme2024-rus.html)
  7. XIX Санкт-Петербургская международная конференция «Региональная информатика (РИ-2024)» (http://spoisu.ru/files/ri/ri2024/ri2024_program.pdf)
  8. 10-я Международная научно-практическая конференция «Технологическая перспектива: новые рынки и точки экономического роста» (TECHNOPERSPECTIVE 2024)

Структурная схема взаимодействия подсистем смарт-пространства

Восстановление треков движения коров

В настоящий момент проводится обработка данных, собранных в молочных хозяйствах Ленинградской области, разработка алгоритмов обработки данных, прототипирование аппаратных решений системы мониторинга, разработка архитектуры программного обеспечения.
На заключительном этапе исследований планируется реализовать разработку прототипов программного обеспечения, реализующих работу ключевых подсистем общей системы мониторинга физиологического состояния коров (смарт-пространства для содержания КРС); внедрить в систему интеллектуального мониторинга уточненную модель нейросетевого прогнозирования состояний и процесса продуктивной жизни коров.