Аннотация результатов, полученных в 2024 году
Проблема восстановления популяции утки кряквы (Anas platyrhynchos) является одной из актуальных задач как в контексте экологии, так и в области сельскохозяйственной деятельности, сопряженной с технологическим стрессом, возникающий в результате взаимодействия с деятельностью человека. В условиях дичефермы, где важно отслеживать поведение большого количества особей, оперативное распознавание уток и их классификация на основе половой принадлежности (селезень или утка) позволяют своевременно выявлять изменения в поведении и условиях содержания, мониторинга их состояния здоровья. Методы решения задач В процессе решения задачи по мониторингу и анализу поведения уток крякв с целью профилактики технологического стресса было принято решение использовать технологию искусственного интеллекта, а именно нейросетевые модели для компьютерного зрения. В частности, в рамках проекта применяется модель YOLO – эффективный архитектур для задач детекции объектов в реальном времени. Методика Методика была организована в несколько последовательных этапов: - сбор данных. Для наблюдения за поведением уток были установлены камеры на дичеферме, где ведется искусственное разведение утки кряква. Дичеферма располагается на территории Манычского ПООУ ФГБУ «ФЦВиИОР», Веселовский район, Ростовская область; - предварительная обработка полученных видеоданных. Видеоархив был разделен на отдельные видеофрагменты для дальнейшей разметки и анализа. Из каждого видеофайла извлекались ключевые кадры для создания репрезентативного набора изображений; - разметка изображений проводилась по двум основным классам – "селезень" и "утка кряква". В случае если на изображении было невозможно с уверенностью определить класс птицы, фрагмент не размечался; - обучение нейросетевых моделей на основе подготовленных данных проводилось в два этапа: сначала на наборе данных с двумя классами (селезень и утка), а затем – на объединённом наборе данных, где обе категории были слиты в один класс "утка"; - оценка эффективности обученных моделей осуществлялась на новых изображениях, которые не использовались в процессе тренировки; - создание демонстрационного видеоматериала, на котором визуализировалась работа системы детекции уток в реальном времени. Конструирование и разработка системы видеорегистрации - высокое разрешение позволяет нейросети лучше обучаться на изображениях, что напрямую влияет на точность классификации и детекции; - дальность действия камеры важна для того, чтобы она могла охватывать большие участки территории фермы, где могут находиться утки; - угол обзора должен быть достаточно широким, чтобы охватывать большую площадь, но при этом камера должна быть настроена таким образом, чтобы избегать искажения изображения на периферии; - фиксация положения камеры является важным условием для стабильности данных; - система видеорегистрации должна быть масштабируемой для использования в реальных условиях фермы. Разработка и обучение нейросети На первом этапе был выбран YOLOv8 благодаря высокой производительности, возможности работы в реальном времени и модульной структуре. Были разработаны две модели: одна для детекции и классификации уток по двум классам (селезень и утка кряква), другая — для объединения всех уток в один класс "утка". Этот подход упрощает задачу детекции в ситуациях, где точная классификация по полу не является приоритетной, например, при массовом мониторинге численности. Апробация системы и анализ результатов Апробация началась со сбора видеоданных с камер, фиксированных на постоянной высоте. Съемка велась в течение всего дня для охвата различных условий освещения. Далее проводилась разметка кадров для обработки нейросетью. Итоговый этап включал сравнительный анализ результатов модели и ручной разметки, что позволило выявить точность работы системы, определить её сильные и слабые стороны. Таким образом, апробация на дичеферме стала ключевым этапом в оценке эффективности системы детекции и классификации в реальных условиях. Разработка веб-приложения для взаимодействия с системой детекции Создана веб-платформа DucksWantToLive, интегрированная с пятью камерами Hikvision, для мониторинга территории фермы. Платформа предоставляет удобный интерфейс для анализа данных о численности уток, просмотра изображений и генерации отчетов. Гибкая архитектура позволяет добавлять новые функции и источники данных. Пользователь может легко отслеживать изменения популяции и анализировать собранные данные, что упрощает управление фермой. Результаты исследования Разработана система мониторинга и анализа поведения уток крякв с целью профилактики технологического стресса. Применение нейросетевой модели YOLO для детекции и классификации уток продемонстрировало высокую эффективность в режиме реального времени, обеспечив точное выявление факторов стресса и анализ поведенческих реакций птиц как в условиях дичеразведения в охотничьих хозяйствах, так и в естественных условиях. Поставленные задачи на данном этапе НИР были решены в полном объеме. Успешно реализована система мониторинга, которая позволяет не только детектировать уток, но и анализировать их поведение с целью выявления факторов стресса. Система также обеспечивает классификацию по полу, что важно для оценки репродуктивного потенциала популяции. Модель показала высокие показатели точности и полноты детекции (Precision и Recall), что подтверждает её пригодность для использования на практике. Технологии компьютерного зрения и искусственного интеллекта, примененные в проекте, позволят своевременно выявлять факторы, негативно влияющие на здоровье птиц, и адаптировать условия их содержания. Это способствует увеличению продуктивности дичеферм охотничьих хозяйств и сохранению биоразнообразия экосистем. Также возможно внедрение системы в другие области сельского хозяйства, требующие мониторинга поведения животных. Проект освещался в различных СМИ и на интернет ресурсах: https://news.donstu.ru/news/uchenye-dgtu-nauchat-ii-provodit-zooveterinarnye-meropriyatiya-s-utkoy-kryakvoy https://zooinform.ru/vete/issledovat-populyaczii-zhivotnyh-pomozhet-ii-razrabatyvaemyj-v-dgtu/ https://rostov.rbc.ru/rostov/freenews/6613a2019a7947db846312b0 https://rscf.ru/news/agriculture/innovatsiya-v-veterinarii-beskontaktnoe-lechenie-utok/#

Аннотация результатов, полученных в 2025 году
Цель проекта: разработка и внедрение автоматизированной информационной системы мониторинга поведения уток на основе технологий компьютерного зрения и граничных вычислений для профилактики технологического стресса и оптимизации условий содержания. ЭКСПЕРИМЕНТАЛЬНАЯ АПРОБАЦИЯ И РЕЗУЛЬТАТЫ Экспериментальная апробация разработанной системы мониторинга проводилась на базе дичефермы Манычского ПООУ ФГБУ «ФЦВиИОР» с целью валидации функциональности системы в реальных условиях эксплуатации и оценки её способности выявлять различия в поведении уток при различных уровнях технологического стресса. Объектом исследования являются утки кряквы (Anas platyrhynchos), относящейся к охотничьим видам водоплавающей птицы, испытывающая технологический стресс в условиях дицеразведения в полувольных условиях искусственно созданной среды обитания. Методология включает применение архитектуры глубокого обучения YOLOv8m для детекции и классификации уток по половой принадлежности, развертывание системы граничных вычислений на базе одноплатных компьютеров Raspberry Pi 4, разработку фреймворка поведенческого анализа с четырьмя автоматизированными метриками (плотность распределения, индекс активности, пространственная энтропия, коэффициент кластеризации) и создание реляционной базы данных для хранения и анализа видеоматериалов. Основные результаты работы включают масштабирование системы мониторинга до пяти IP-камер с покрытием территории 2400 м², расширение обучающего датасета до 2 110 изображений с 55 436 аннотированными экземплярами уток, достижение точности детекции на уровне mAP@0,5 = 94,3%, создание информационной системы для автоматического проведения зооветеринарных мероприятий без участия человека, разработку и регистрацию результата интеллектуальной деятельности «База данных видеозаписей дикой утки кряква». Экспериментальная апробация системы на трех группах по 150 особей в течение 14 дней подтвердила способность выявлять статистически значимые различия в поведении между группами с различными условиями содержания (p < 0,001). Система продемонстрировала стабильную производительность с временем работы 99,2% и точностью обнаружения поведенческих аномалий 91,7%. Результаты применимы для улучшения условий содержания птиц на фермерских хозяйствах, мониторинга популяций водоплавающих птиц в естественной среде обитания, проведения этологических исследований и природоохранных мероприятий. Автоматизация процессов мониторинга способствует раннему выявлению признаков дезадаптации и заболеваний, что позволяет своевременно принимать меры по профилактике технологического стресса. ОЦЕНКА ПОЛИАМИНОГО ОТВЕТА НА СТРЕСС-ИНДУЦИРОВАННЫЕ ФАКТОРЫ (ТЕХНОЛОГИЧЕСКИЙ СТРЕСС) У ВЗРОСЛОЙ УТКИ КРЯКВЫ ПО РЕЗУЛЬТАТАМ РАБОТЫ РАЗРАБОТАННОЙ СИСТЕМЫ МОНИТОРИНГА. Для лабораторных исследований на содержание полиаминов (путресцин, спермидин и спермин) у взрослой утки отбирали образцы ткани головного мозга. Содержание полиаминов у взрослой утки кряква определяли в образцах тканей мозга методом ГХ-МС (газовой хроматографии-масс-спектрометрии) в лаборатории ДГТУ модифицированным нами методом Ribeiro c соавторами (Ribeiro L.N.M. et al. 2022). Были определены предел обнаружения и линейность отклика. Концентрации трёх полиаминов в тканях затем рассчитывали путём интерполяции на линейных участках калибровочных кривых. Полиамины идентифицировали путем сравнения их времен удерживания с соответствующими стандартами. Идентичность путресцина, спермидина и спермина была подтверждена тремя стандартами полиаминов. Время удерживания полиаминов составило:3,75 ми (гексан), 6,10 мин (путресцин), 14,24 мин (спермидин), 17,51 мин (спермин). На основе уравнения регрессии полиаминового стандарта содержание полиаминов в образцах тканей птицы рассчитывали, как отношение площади пика полиаминов (путресцина, спермидина и спермина) к площади пика гексана. В данном исследовании полиамины были обнаружены в тканях мозга взрослых уток и уток после стресса. Время удерживания этих соединений в образцах было очень похоже на время удерживания их стандартов: хроматограммы образцов мозга. Было определено содержание полиаминов в исследуемых образцах. Каждое значение представлено как среднее значение ± стандартная ошибка среднего (р<0,05). Так содержание полиаминов (путресцин, спермидин и спермин) были выше в образцах тканей взрослой утки кряквы подвергшейся стресс воздействию, которое было отслежено разработанной системой мониторинга. Выявленное увеличение содержания полиаминов (путресцина на 51,5 % (р≤0,02), спермидина на 10,5 % (р≤0,02) и спермина на 1,8 % (р≤0,02)) по сравнению с контролем. Данные показатели характеризуют образование в организме птицы (в тканях головного мозга) повышенное количество полиаминов, что подтверждает о наличие полиаминного стресс-ответа организма на внешнее воздействие (технологический стресс). ОЦЕНКА ПРОДУКТИВНЫХ КАЧЕСТВ УТКИ КРЯКВЫ ПРИ ИСКЛЮЧЕНИИ ВОЗДЕЙСТВИЯ ТЕХНОЛОГИЧЕСКОГО СТРЕССА ПРИ ПОМОЩИ ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА При дичеразведение дикой утки кряква основной целью является получение качественного инкубационного яйца и молодняка для последующей его реинтродукции в естественную среду обитания. Инкубационное яйцо является основным показателем интенсивности воспроизводства разводимого вида. Провели учет снесенного яйца в двух группах утки кряквы: контрольная (n=350), не подвергавшаяся технологическому стрессу и опытная (n=350), подвергавшаяся периодическим стресорным воздействиям. Вся суточная активность и поведенческие аномалии фиксировались разработанной системой мониторинга. По результатам эксперимента установлено, что утка кряква контрольной группы, имела более высокую яйценоскость и было получено больше на 29,1% инкубационного яйца. Также было проведено исследование качества инкубационного яйца, полученного от утки кряква родительского стада. По результатам исследования было получено у контрольной группы увеличение массы яйца на 6,25% (р<0,05) и толщены скорлупы на 11,1% (р<0,05). Выращивание молодняка до 21 дня с последующей реинтродукции в естественную среду обитания показали следующие результаты. Как показали исследования, фиксируемые разработанной системой мониторинга ответные реакции организма (активность, поведенческие аномалии) негативно повлияли на рост и развитие опытных утят кряквы. Установлено повышение 7 дневном возрасте на 7,8 %, в 14 дневном возрасте на 17,7 % и в 21 дневном возрасте на 22,8 % (р<0,05). Прогнозируется дальнейшее развитие системы с интеграцией дополнительных сенсорных модальностей, реализацией алгоритмов индивидуального отслеживания особей и созданием предиктивных моделей для прогнозирования стрессовых состояний на основе комплексного анализа поведенческих и биохимических показателей.