Главная

Искусственный интеллект в животноводстве

Наша компания разрабатывает и внедряет комплексные решения для автоматизации деятельности аграрных предприятий. Для повышения их эффективности и рентабельности мы вводим применение мировых практик и технологии искусственного интеллекта.

На практике нейронные сети намного эффективней справляются с множеством прикладных задач, в отличие от классических подходов. В 2012 году нейросеть AlexNet с большим отрывом выиграла конкурс по распознаванию изображений ImageNet. После чего нейронные сети стали активно развиваться и заменять классические подходы во многих отраслях народного хозяйства, включая такую традиционную и консервативную отрасль как сельское хозяйство. При кажущейся простоте процессов в сельском хозяйстве, их автоматизация – дело непростое. Область задач для искусственного интеллекта находится как в сфере земледелия, так и в животноводстве.

В настоящее время подсчет поголовья на свинофермах происходит несколько раз в год. Но, невзирая на технологический прорыв, животных считают так же, как и 100 лет назад – по головам, записывая итог на бумаге. И это требует значительных трудовых и финансовых затрат.

Какие проблемы возникают при «ручном» подсчете поголовья животных? Во-первых, инвентаризацию поголовья не могут проводить сотрудники самой фермы. Для этого приходится привлекать исполнителей со стороны. Во-вторых, нахождение посторонних людей на ферме может привести к нарушению биологической безопасности: увеличивается риск инфицирования поголовья. В-третьих, свиньи очень подвижные и визуально неразличимые между собой животные. В результате допускаются погрешности при подсчете их фактического количества, так как в загоне единовременно содержатся десятки голов.

Автоматический подсчет поголовья позволит оптимизировать следующие технологические процессы:

  • инвентаризацию поголовья для определения фактического количества животных в станках и площадках в целом;
  •  перемещения внутри фермы, так как в процессе выращивания животных перемещают в зависимости от стадии роста (подсосное выращивание, доращивание и откорм) или при возникновении технологической необходимости, например, изоляции особей с признаками повышенной температуры;
  • отгрузку животных с контролем прохождения через погрузочную рампу при перемещении с фермы.

Почему же до сих пор не удалось массово наладить автоматизированный подсчет поголовья? В первую очередь именно из-за хаотичного движения животных и проблемы различия их уникальных черт. Подобные ситуации бросают серьезный вызов искусственному интеллекту так же, как и человеческому вниманию.

Одним из передовых решений компании «ЦПС» стала специально разработанная технология подсчета поголовья на свиноводческих фермах с применением технологий Deep learning (глубокое обучение). Спецтехнология покрывает полный цикл процесса, начиная от сбора данных и их передачи на сервер, и заканчивая предварительной обработкой информации и подсчетом поголовья. При этом подсчет животных возможен как на фото, так и на видео.

Для решения этой задачи применяется обученная нейронная сеть, с высокой точностью осуществляющая детекцию поголовья, то есть идентификацию на фото объектов типа «свинья». Для обработки видео был разработан трекер, который в автоматическом режиме осуществляет мониторинг перемещения животных и регистрирует их прохождение через фиксированную зону. Автоматизированное решение повышает эффективность производственного и управленческого учета, а также обеспечивает корректный подсчет при перемещении, отгрузке и ревизии животных на свиноводческих фермах.

Каким же образом удалось создать технологию подсчета поголовья животных? На первом этапе реализации проекта был собран набор информации для обучения сети. Начинали с самого простого: обход фермы со смартфоном, снабженным широкоугольной камерой.

Затем полученный набор изображений прошел стадию фильтрации и предварительной обработки, так как нейронные сети обучаются по принципам, отличным от обучения человека. В ходе работы экспериментальной площадки специалистами «ЦентрПрограммСистем» был собран и обработан значительный массив оригинальных фото животных. Далее подобрали оптимальную архитектуру нейронной сети для решения задачи и запустили процесс обучения. В результате специалисты разработали нейронную сеть, способную идентифицировать каждое отдельное животное и подсчитать их общее количество на снимке.

После запуска проект нейронную сеть пришлось переучивать. Так, появление новых вводных данных, (например, обслуживающего персонала в кадре), приводило к ошибочным срабатываниям. В результате мы создали детектор, способный подсчитывать количество животных на фотографии с высокой точностью.

Следующим шагом стала разработка трекера – системы, способной идентифицировать объекты и сопровождать их на видеопотоке. Трекер необходим для подсчета поголовья при перемещении или отгрузке на рампе. В его основу положена разработанная нейронная сеть. Трекер захватывает объект (свинью), при появлении в кадре, и сопровождает объект до тех пор, пока он не исчезнет из кадра. Для подсчета количества реализовали алгоритм пересечения объектов контрольной линии. Но на практике оказалось, что в процессе перемещения животные двигаются хаотично и в различных направлениях. Поэтому пришлось адаптировать трекер под новые требования, а именно: при перемещении животных в заданном направлении счетчик увеличивает значение, при перемещении животных в обратном направлении счетчик уменьшает свое значение. Работу трекера в действии можно посмотреть по ссылке.

Итогом такой интерактивной работы стала технология с искусственным интеллектом, способная вести количественный подсчет животных в условиях плотного скопления объектов, хаотичного движения и отсутствия индивидуальных признаков идентификации объектов. Комплексное решение представляет собой систему, состоящую из: мобильного комплекса фото-видео фиксации; модуля предварительной обработки изображений; модуля сбора, анализа и хранения данных; подсистемы формирования отчетности по заданным параметрам. Система универсальна и работает в мобильном и стационарном режимах, автоматически документирует результаты, может интегрироваться с другими системами при помощи API.

Процессы инвентаризации и перемещения поголовья с применением разрабатываемого комплексного решения состоят из следующих операций:

  • Оператор производит фотосъемку животных с привязкой к позиции локации (идентификационный номер станка). При перемещении животных камера устанавливается стационарно и производит видеосъемку.
  • Система распознает образы и ведет подсчет животных.
  • Данные объединяются и анализируются на сервере в разрезе станков, помещений, площадок и подразделений.

В итоге достигнута высокая точность распознавания образов и результатов подсчета, программно-аппаратный комплекс удалось максимально адаптировать к условиям работы (свиноводы знают, насколько сложно поддерживать в рабочем состоянии электронику на фермах), выработаны оригинальная методология распознавания и алгоритм подсчета.

В настоящее время происходит окончательная отладка системы, и вскоре компания «ЦПС» выведет на рынок уже полностью готовый к использованию цифровой продукт, который будет полезен крупным предприятиям свиноводства не только в России. При этом разработанные интеллектуальные средства применяются в активно ведущихся работах по созданию уникальной технологии оперативного выявления заболеваемости свиней по внешним признакам и отклонениям от типичного поведения животных.

 

12 октября, 2020
Статьи
Яндекс.Метрика