По их мнению, массовая идентификация коров поможет фермерам более эффективно контролировать здоровье, поведение и перемещение животных, прогнозировать удои молочных коров и повышать мясную продуктивность мясных пород. Результаты исследования, которое было поддержано грантом РНФ, опубликованы в журнале Computers and Electronics in Agriculture.
По данным Росстата, в конце января 2024 года в российских хозяйствах всех форм собственности содержали 17,1 млн голов крупного рогатого скота. Поддержка сельскохозяйственной отрасли — одна из ключевых задач государства. К 2030 году объем производства российского АПК должен вырасти не менее чем на четверть по сравнению с 2021 годом, а экспорт — увеличиться в полтора раза.
Массовая идентификация животных — актуальный запрос предприятий животноводства. В настоящее время эта задача решается с помощью визуальных бирок с номером животного или высокочастотных датчиков (наподобие брелоков для входа в подъезд). Такие технологии уже применяются на многих фермах, однако, как утверждают эксперты, они имеют свои нюансы в техобслуживании и довольно дорогие.
Ученые Челябинского государственного университета (ЧелГУ) в коллаборации со специалистами Федерального научного центра биологических систем и агротехнологии РАН и при участии коллег из Италии и КНР разработали инновационный подход к управлению стадом, при котором нейросеть самостоятельно распознает морды коров.
«Данную технологию можно применять на всех животноводческих фермах, где требуется строгий учет поголовья: в контексте молочных пород это важно для прогнозирования удоев, а в контексте мясных — для выведения новых пород и повышения мясной продуктивности», — отметил заведующий кафедрой компьютерной безопасности и прикладной алгебры ЧелГУ Алексей Ручай, подчеркнув, что без идентификации невозможны дальнейшие шаги по управлению стадом, ветеринарному контролю и улучшению условий содержания животных.
Как сообщили в вузе, модель для распознавания морд крупного рогатого скота была разработана на основе предварительно обученных моделей VGGFACE и VGGFACE2, которые используются для идентификации людей. Изображения RGB предварительно обработали для повышения надежности распознавания морд коров (применялись методы контрастности, контурного усиления, изменения размера изображения и пр.). Результаты показали, что уровень распознавания предварительно обученной модели VGGFACE2 составляет 97,1 процента.
Отвечая на вопрос корреспондента РИА Новости, за счет чего происходит столь точное распознавание, ученый опроверг мнение о том, что все коровы «на одно лицо», назвав его распространенным заблуждением.
«Многие европейцы считают, что все азиаты “на одно лицо”, ровно как и многие азиаты зачастую с трудом различают лица европейцев. В этом и заключается смысл компьютерного зрения, которое с большой точностью выполняет все операции и вычисления, в отличие от людей, подверженных иллюзиям и искажениям», — отметил ученый, подчеркнув, что морды коров отличаются друг от друга, и искусственный интеллект способен четко распознать эти отличия.
В частности, по его словам, у каждой коровы уникальный нос. Так называемое, «носовое зеркало», разделяющее ноздри коровы, остается неизменным на протяжении всей ее жизни и имеет уникальный рисунок, который можно сравнить с отпечатками пальцев человека. Узор на коже имеет разное количество точек, бороздок, веток, колосков, крон, зерен и пр.
В дальнейшем ученые ЧелГУ планируют дообучать, а в некоторых случаях и переобучать разработанную модель, поскольку массовая идентификация животных — непрерывная процедура, а в течение жизни у животных изменяются некоторые характеристики.
«Вероятность ошибки, составляющая не более двух-трех процентов, говорит о высокой точности разработанной модели, однако эти результаты мы планируем улучшить, ведь для любых нейронных сетей необходим большой объем данных, что требует дополнительных исследований», — добавил Алексей Ручай.
Кроме того, в рамках проекта будут разработаны новые технологии автоматической оценки подвижных животных с использованием методов бесконтактной 3D-реконструкции поверхности тела и составлены базы данных, связанные с особенностями конституции и экстерьера коров, параметрами их продуктивности и некоторыми генетическими маркерами.
По подсчетам ученых, данная технология может быть использована при коммерческой оценке одного миллиарда голов крупного рогатого скота по всему миру.
«Мы существенно сокращаем временные затраты на проведение оценки и исключаем контактные измерения линейных промеров и живой массы», — пояснил специалист, добавив, что контактное взвешивание животного из-за стресса ведет к потере его массы и продуктивности на пять-десять процентов.