КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

---

Номер 23-19-20081

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

РуководительОсипов Василий Юрьевич, Доктор технических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки "Санкт-Петербургский Федеральный исследовательский центр Российской академии наук", г Санкт-Петербург

Период выполнения при поддержке РНФ

2023 г. - 2025 г.

Конкурс№77 - Конкурс 2023 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами» (региональный конкурс).

Область знания, основной код классификатора 09 - Инженерные науки, 09-608 - Инженерно-технические и информационные автоматизированные системы мониторинга биоресурсов, биосферы и технических систем

Ключевые словаНейронные сети, искусственный интеллект, прогнозирование, видеонаблюдение, распознавание образов, сигналы поведение коров, управление молочным стадом, цифровизация сельского хозяйства

Код ГРНТИ28.23.29

---

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

---

Аннотация
Отсутствие научных основ эффективного развития молочного животноводства с учетом новых возможностей цифровых технологий, в силу наличия сложных непрерывных производственных процессов, обусловили все более увеличивающийся разрыв в степени освоения цифровых технологий в отраслях растениеводства и молочного животноводства. Повышение эффективности производства молока требует решения комплекса сложных, взаимосвязанных, достаточно противоречивых производственно-экономических задач. При повышении молочной продуктивности коров, росте производительности труда, интенсивности кормления и масштабов производства, в ходе производственного процесс сохраняется потребность учитывать индивидуальные особенности животных, их актуальное физиологическое состояние, диагностировать возникающие патологии у высокопродуктивных животных на ранней стадии. Проблемными аспектами мониторинга физиологического состояния большого стада коров на основании их поведения, изменения и распределения температуры, упитанности особей при помощи известных систем выступают высокая их стоимость, недостаточные надежность, точность и оперативность обработки информации. Существо решаемой в проекте проблемы составляет совокупность следующих взаимосвязанных задач. Это сбор точных и актуальных данных о физиологическом состоянии молочного стада с помощью системы компьютерного зрения, распознавание и прогнозирование этих состояний. Они предусматривают определение положения, действий и движений (времени лежания, времени стояния, времени жвачки и т.д.), внешнего вида животных (упитанности), изменения и распределения температуры, запись хронологии, формирование практических рекомендаций по устранению выявленных угроз их здоровью. Решение этих задач должно основываться на методах глубокого машинного обучения в реальном времени. Высокие уровни концентрации поголовья, молочной продуктивности и инвестиций многократно повышают требования к качеству управления молочным стадом и производимой продукции. Растет актуальность разработки концептуально новых моделей, эффективных технологий сбора и анализа информации. Они должны обеспечивать оперативный контроль здоровья и физиологического состояния животных для принятия специалистами эффективных решений, своевременной организации необходимых зооветеринарных мероприятий, корректировки рационов кормления. Известные методы сбора, распознавания и прогнозирования физиологических состояний коров не в полной мере учитывают особенности проявления этих состояний по визуальным признакам и поведению. Точность этих методов и оперативность решения ими задач, особенно при анализе больших объемов данных от больших стад, во многом не удовлетворяют предъявляемым требованиям. Для решения обозначенных проблем предлагается разработка системы мониторинга физиологического состояния коров с помощью современных цифровых технологий, видеонаблюдения, обработки и анализа видео изображений с применением элементов «искусственного интеллекта», нейросетевых алгоритмов. Эта система должна быть способна с минимальными текущими затратами времени и ресурсов обеспечить специалистов актуальной информацией о состоянии здоровья животных, оповестить при возможных отклонениях. Предлагаемая технология может стать эффективным продуктом для импортозамещения на рынке систем мониторинга здоровья животных как важнейшего инструмента управления стадом на современных автоматизированных молочных комплексах. В основу такой системы предлагается положить разрабатываемые в проекте новые модели, методы и средства нейросетевого распознавания и прогнозирования физиологических состояний коров на основе анализа видеоинформации об их поведении. В целом научная новизна планируемых результатов проекта состоит в развитии теории, разработке новых моделей, методов и технологий нейросетевого распознавания и прогнозирования физиологических состояний коров на основе сбора и анализа видеоинформации об их поведении и упитанности.

Ожидаемые результаты
Разрабатываемая в рамках проекта система мониторинга физиологических состояний коров ориентирована на применение, прежде всего, в агропромышленном комплексе (АПК) и малом бизнесе в области сельского хозяйства, учитывая высокие риски коммерциализации в социальной сфере. Ее построение предусматривается с помощью современных цифровых технологий, видеонаблюдения, обработки и анализа видеоизображений с применением нейросетевых алгоритмов, способных с минимальными текущими затратами времени и ресурсов обеспечить специалистов актуальной информацией о состоянии здоровья животных и оповестить об отклонениях. Ожидаемые научные результаты, включая новые модели и методы нейросетевого распознавания и прогнозирования физиологического состояния коров по данным видеонаблюдения могут быть адаптированы при разработке автономных мобильных smart-систем мониторинга поведения крупного рогатого скота (КРС). Планируемые новые модели и программное обеспечение будут способны конкурировать с разрабатываемыми сейчас технологиями цифровизации сельского хозяйства в развитых странах Европы и в США. Предлагаемые новые метод и технология могут стать эффективным способом импортозамещения на рынке систем мониторинга здоровья животных как важнейшего компонента управления стадом на современных автоматизированных молочных комплексах. Ниже перечислены основные планируемые результаты, имеющие научную и практическую значимость и соответствующие мировому уровню: 1. Модель процесса мониторинга и нейросетевой обработки видео информации о поведении крупного рогатого скота (КРС) в интересах ранней диагностики физиологических состояний, угрожающих здоровью животного. 2. Модели состояний КРС на основе распознавания визуальных признаков, в том числе, видимых в инфракрасном диапазоне. 3. Модели поведения КРС в зависимости от физиологических состояний (граф состояний с признаками этих состояний)и внешних условий. 4. Новые методы нейросетевого распознавания (локализации и идентификации) коров и их физиологических состояний на основе анализа видеоинформации, при этом идентификация животных осуществляется за счет организации объединения полей зрения видеосистем, покрывающих всю доступную для перемещения животных территорию хозяйства. 5. Новые методы прогнозирования физиологических состояний коров на основе разрабатываемых моделей состояний животных и распознавания визуальных признаков с использованием рекуррентных нейронных сетей. 6. Архитектура системы мониторинга и прогнозирования физиологических состояний коров на основе анализа видеоинформации. 7. Интерфейс системы мониторинга и прогнозирования физиологических состояний коров на основе анализа видеоинформации. 8. Результаты оценки экономической эффективности системы мониторинга и прогнозирования физиологических состояний коров на основе анализа видеоинформации.

---

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

---