Тульский агрокомплекс "Лазаревское" разработал ИИ-систему, которая с помощью видеокамер взвешивает свиней и определяет их уровень здоровья. По данным разработчиков, за год с помощью продукта удалось сэкономить около 50 млн руб. Агрохолдинг планирует коммерциализовать решение.
Денис
Тельманов
© ComNews
23.08.2023

О разработке ИИ-решения по оценке состояния свиней рассказал менеджер проектов "Лазаревское ТЕХ" Леонид Комионко на экспертной дискуссии "Как извлечь максимальную пользу из больших данных?" конференции AI IN 2023 в "Иннополисе". По его словам, внедрение ИИ в тульском свинокомплексе позволило сэкономить 50 млн руб. за год.

"Экономическая эффективность на примере племенного хозяйства (ПХ) "Лазаревское" за один год составила 50 млн руб. Эффект от увеличения сохранности поголовья на 1% - это 3,9 млн руб. в год. Снижение коэффициента конверсии корма (ККК) на 0,2 дает 24,3 млн руб. в год (ККК - это соотношение общего количества потраченного на каждое животное корма и общего прироста его веса - прим. ComNews). Снижение продолжительности откорма на пять дней дает дополнительно 21,7 млн руб. в год", - рассказал Леонид Комионко.

Он подчеркнул, что таких показателей удалось добиться за счет внедрения ИИ-решения по анализу поведения свиней и их веса. "Цель проекта "Неинвазивное взвешивание" - обеспечить измерение веса и сохранности свиней в станках на этапе откорма. Это раннее обнаружение животных, которые не набрали вес, - как следствие, снижаются затраты на их откорм. Также в систему входит идентификация животных и расчет паттернов их поведения. Наши партнеры - "Иннополис" и "Сбер", - сообщил Леонид Комионко.

По его словам, внедрение системы позволяет снизить коэффициент конверсии корма, увеличить сохранность поголовья, поскольку животные не испытывают стресс из-за регулярных взвешиваний, не теряют вес и меньше болеют, что является одним из самых серьезных факторов, который влияет на процесс выращивания животных.

"Снижается срок содержания животных на стадии откорма - то есть появляется возможность мониторинга подхода животного к кормушке. Как это выглядит: постоянно ведется наблюдение за животным, и если животное не подходит какое-то время к кормушке - это может быть четыре часа или любой другой срок, - специалисту приходит уведомление, и он уже целенаправленно направляет туда группу людей, которые должны разобраться в ситуации. Это помогает не создавать каких-то неудобств для животных и не отражается на потерях в весе", - отметил разработчик.

Он также рассказал, что проект появился благодаря стремлению животноводов сократить этапы взвешивания. "Это происходит на свинокомплексах раз в неделю, не чаще. Но это не позволяет отследить результативность корма, который дается свиньям, и если свинья болеет, то заводчики об этом узнают только постфактум - может, через неделю, может, через две, а может, через месяц, и по сути, они ее будут все это время кормить впустую", - отметил представитель ПХ "Лазаревское".

Как это работает

Леонид Комионко рассказал, что в систему входит четыре модуля - измерения веса, идентификации свиней, детекции паттерна поведения и отбора изображений. "Пошагово это выглядит так: первый шаг - это поиск кадра с удачным расположением. Далее идет определение положения свиньи - то есть мы определяем верх и низ свиньи. Третий шаг - поиск контура. И четвертый - сегментация. Далее вся эта информация передается в модуль предсказания веса и уже обрабатывается. Как результат, мы можем увидеть, что точность модуля превосходит любого зоотехника и нам это дает большие финансовые приросты", - сказал Леонид Комионко.

По его данным, для реализации проекта создан датасет из видеоданных за 100 дней откорма свиней, вручную размечено более 1000 кадров, разработаны алгоритмы для автоматической разметки видеозаписей и проведена исследовательская работа по обучению искусственного интеллекта определению веса свиней. "Мы находимся уже на этапе реализации данного проекта в ПХ "Лазаревское" - это наш заказчик. По результатам применения проект будет выпущен в тиражирование", - подчеркнул разработчик.

Он отметил, что племенное хозяйство "Лазаревское" - крупнейшее в Тульской области, насчитывает более 60 тыс. голов свиней, мясоперерабатывающий комбинат на 10 тыс. тонн мяса в год, цех растениеводства площадью 25 тыс. га, комбикормовый завод на 45 тыс. тонн в год. Также в "Лазаревском" строится завод по производству семян, который должен быть введен в эксплуатацию в 2025 г.

Директор по развитию технологий искусственного интеллекта ООО "Яндекс" Александр Крайнов назвал проект по неинвазивному взвешиванию свиней очень интересным использованием ИИ-решений в реальном мире.

"Я человек из цифрового мира, и когда смотришь, как ML и вообще работа с данными помогают в реальном мире, это прям суперинтересно. Я проникся прямо от первого слайда - первый раз видел, как данные меряют в тоннах. И главный вывод, который я для себя извлек, что не надо, видимо, рассказывать о результатах взвешивания, от этого нервничают и худеют, а зачем нам худые свиньи", - с юмором оценил доклад "Лазаревского" Александр Крайнов.

Какие перспективы у ИИ в сельском хозяйстве

Пресс-служба "Лазаревского" не смогла ответить на вопросы ComNews о перспективах коммерциализации программы по неинвазивному взвешиванию свиней, сообщив, что готовит релиз об этом на следующую неделю. В нескольких агрохолдингах также отказались обсуждать продукт "Лазаревского", сообщив, что разрабатывают аналогичные решения самостоятельно.

Пресс-служба Альянса в сфере ИИ сообщила СomNews, что ИИ-решения активно внедряются в сельскохозяйственных предприятиях. "В Альянс в сфере ИИ входят сразу две компании агропромышленного комплекса - "Русагро" и "Уралхим", широко применяющие технологии ИИ. При их лидерстве мы запустили отраслевой клуб "ИИ в агропромышленном комплексе (АПК)", в котором участвуют также поставщики ИИ-решений и стартапы. Среди участников клуба - "Агросила", "Таврос", "Ак Барс", Smart Agro, "Сбер Бизнес Софт", "Геомир", "Инфобис", НТИ "Фуднет" и другие компании. Мы с уверенностью можем сказать, что отраслевое применение ИИ - это безусловный тренд, и ускорение темпов внедрения ИИ в отраслях - одна из задач, над которыми мы работаем", - отметили в пресс-службе Альянса в сфере ИИ.

В частности, по данным пресс-службы Альянса, в ходе первого заседания клуба утверждены эталонные метрики для оценки отраслевых моделей машинного обучения, разработаны ML-модели и протоколы взаимодействия, определена важность развития системы подготовки отраслевых кадров с экспертизой в сфере ИИ, подтверждена важность совершенствования регуляторной базы и отраслевых субсидий для ИИ и проведена стандартизация базовых отраслевых данных и механизмов обмена ими.

"Участники клуба выступили с инициативой создания первой в России большой отраслевой языковой модели на примере АПК. Решение направлено на ежедневное полевое применение как руководством компаний, так и аграриями: спектр запросов может включать получение актуальных данных о погоде, статусе работ на поле, индексе вегетации. На встрече также обсуждены перспективы создания отраслевых рекомендательных сервисов по применению минеральных удобрений. Внедрение таких систем, согласно прогнозам, может обеспечить до нескольких десятков процентов увеличения экономической эффективности для сельхозпроизводителей за счет определения оптимальных норм внесения с учетом агрономических особенностей каждого конкретного хозяйства", - рассказала пресс-служба Альянса.

Новости из связанных рубрик