Создание мобильного приложения для бесконтактного определения живой массы свиней всех половозрастных групп�

Защита 4 ЭТАПА

BLUE SKY RESEARCH

искусственный интеллект в АПК и пищевой промышленности

​

​

17 октября 2023

Каплун Дмитрий Ильич,

к.т.н., доцент, научный исполнитель

Зыкина Елена Анатольевна,

к.с.-х.н., доцент, научный заказчик

АКТУАЛЬНОСТЬ ТЕМЫ

Одним из основных технологических процессов в свиноводстве является взвешивание свиней, от момента рождения до убоя

2

до 100 голов

1000+ голов

500-1000 голов

100-500 голов

Всего 6,4 тыс с/х предприятий

С/х предприятия РФ по поголовью свиней.

Данные РОССТАТ 2021г.

3

​

Целевые сегменты:

​

Промышленные с/х предприятия

Генофондные хозяйства

Проекты «умных» ферм

Научные центры

2,54

3,22

2,34

2,33

Число хозяйств, тыс.

ПОТРЕБИТЕЛИ

РЕШЕНИЕ

Разработка программно-аппаратного комплекса по автоматическому учету веса и количества животных, устанавливаемого в местах перегона свиней.

В дальнейшем разработка методологий и инструментов для эффективного измерения и мониторинга параметров, связанных с:

​

- здоровьем,

- кормовым поведением,

- половым поведением

​

для контроля благополучия сельско-хозяйственных животных с точки зрения соблюдения международного стандарта HACCP.

Поставленная проблема решается за счёт применения технологии компьютерного зрения и алгоритмов машинного обучения

4

ГЛАВНЫЙ РЕЗУЛЬТАТ КОНКУРСА

5

до 4 этапа было сделано:

Сбор данных

Архитектура решений

Точность сегментации свиней

в кадре составляет 97%,

• Сбор данных на ферме

д. Зборов, Рогачёвский р-н,

Гомельская обл. (порода Дюрок)

• Сбор данных на ферме (ООО - «Вёрдазернопродукт»)

п. Сараи, Сараевский р-н,

Рязанская обл. (трехпор. гибрид)

на 4 этапе было сделано:

ГЛАВНЫЙ РЕЗУЛЬТАТ 4 ЭТАПА

6

Зависимость между внешними параметрами и весом свиньи

48 измеренных свиней и их изображения сверху

ГЛАВНЫЙ РЕЗУЛЬТАТ 4 ЭТАПА

7

Нормализация изображений и подсчёт эквивалентных параметров

1. Входное изображение

2. Нормализация

3. Сегментация

4. Подсчёт параметров

Прямая зависимость между весом

и двумя параметрами (длина, ширина)

где Д - длина туловища;

O - обхват груди за лопатками;

К - коэффициент упитанности.

Точность 96%

ГЛАВНЫЙ РЕЗУЛЬТАТ 4 ЭТАПА

8

Расчёт веса на основе параметров по видео

1. Входное изображение

2. Калибровка + сегментация

3. Подсчёт веса

9

Идентификация животных по видео

Автоматический

подсчёт веса

ГЛАВНЫЙ РЕЗУЛЬТАТ 4 ЭТАПА

Создан набор скриптов при запуске которых запускается rtp стрим для трех вариантов операционный систем:

Windows, Linux, MacOS

Мобильное приложение

ГЛАВНЫЙ РЕЗУЛЬТАТ 4 ЭТАПА

10

Результат проекта:

• Подсчёт животных при перемещении по коридору.
• Погрешность измерения веса составляет 5% с доверительной вероятностью 95%.
• Обеспечение возможности одновременного подключения к системе не менее двух пользователей.
• Обеспечение возможности хранения данных о животном в течение не менее чем полугода.

​

Ключевым результатом проекта будет являться существенное уменьшение экономических потерь ферм, возникающих в результате неверного учёта количества и массы животных, снижение трудоёмкости этих операций, повышение качества продукции за счёт повышения уровня благосостояния животных

​

ПЛАН НАУЧНОГО РАЗВИТИЯ ПРОЕКТА

11

Перспективы масштабирования научного проекта:

• Расширение и увеличение объема данных, используемых в проекте, может улучшить точность и обобщающую способность моделей машинного обучения.
• Использование результатов проекта в новых областях или сферах может расширить его воздействие и значимость.
• Внедрение данного научного проекта на предприятия может повысить эффективность работы, снизить издержки и упростить производственные процессы

Наша цель - создать масштабируемый, неинвазивный инструмент для анализа поведения и параметров здоровья животных на основе анализа неструктурированных данных от разнородных источников в соответствии с требованиями международного стандарта HACCP. Т.е. создать универсальный аппарат, который:

- позволит интегрировать все имеющиеся данные на ферме (визуальные, генетические, микробиологические, погодные условия, почвенные условия и т.д.);

- или корректировать модель без переобучения или быстро переобучать.

Для продолжения проекта необходим доступ в большие хозяйства для сбора данных и тестирования. Также необходимо более мощное серверное оборудование для интеграции разных решений по анализу поведения животных на основе больших данных.

Ожидаемый эффект от внедрения системы:

​

• Снижение уровня стресса и повышение сохранности животных
• Повышение эффективности ухода за скотом
• Повышение производительности
• Снижение затрат на персонал
• Снижение затрат на ветеринарное обслуживание
• Снижение издержек от потери скота
• Снижение затрат на оборудование

Расчет окупаемости внедрения системы:

Стоимость внедрения оборудования на одну камеру - от 120 до 240 тыс. руб.

добавление камер добавляет только их стоимость

Эффект для предприятия в год

на 1 камеру - 120 тыс. руб.

​

​

Окупаемость одной камеры для заказчика не более 1.5 лет

Стоимость использования облачной системы

- до 500 руб. за животное в год.

КОММЕРЦИАЛИЗАЦИЯ ПРОЕКТА

12

ПЕРСПЕКТИВЫ РАЗВИТИЯ ПРОЕКТА

«Российские свиноводы в течение следующих 3 лет продолжат наращивать объемы производства. К 2025 году по сравнению с 2022-м объемы производства свинины увеличатся на 1 млн тонн в живом весе.» - гендиректор Национального Союза свиноводов Юрий Ковалев

​

СТРАТЕГИЯ МЕДИАКОММУНИКАЦИИ

14

Планы

- выступление на сельскохозяйственных конференциях и выставках;

- взаимодействие с крупными фирмами-интеграторами цифровых решений в сельском хозяйстве;

- публикация научных статей;

- подача заявки на грант РНФ на конкурс отдельных научных групп;

- ведение социальных сетей.

Сайт и телеграм-канал СПбГЭТУ «ЛЭТИ» о промежуточных итогах конкурса с кратким описанием разработки

https://etu.ru/ru/nauchnaya-i-innovacionnaya-deyatelnost/novosti1/v-leti-razrabotayut-prilozhenie-dlya-ocenki-vesa-zhivotnyh-na-svinofermah-s-pomoshhyu-kompyuternogo-zreniya

Рамблер/Новости о промежуточных итогах конкурса с кратким описанием разработки

https://news.rambler.ru/tech/50829098-v-leti-razrabotayut-prilozhenie-dlya-otsenki-vesa-zhivotnyh-na-svinofermah-s-pomoschyu-kompyuternogo-zreniya/

Сайт НОЦ.РФ о промежуточных итогах конкурса с кратким описанием разработки

https://xn--m1acy.xn--p1ai/news/fermeri-razrabotki-dlya-vas1685477994

​

Соглашение с одним из крупнейших в СНГ интеграторов цифровых решений в сельском хозяйстве ООО «Дахмира»

https://dahmira.ru/

ПОЧЕМУ ПРОЕКТ BLUE SKY?

15

​

1. Проект представляет собой поисковое исследование, план которого был полностью сформирован командой исполнителей проекта, имеющей навыки в разных областях CS и IT, но никогда не работавшей в области свиноводства.

​

2. Мы самостоятельно сформулировали задачу, предложили путь решения и поэтапно двигались к результату.

​

3. Мы начали проект со сбора данных и заканчиваем разработкой программно-аппаратного комплекса, т.е. проект реализуется командой «под ключ».

​

4. Мы пробуем в проекте научно-технические решения, которые ранее не применялись в животноводстве.

​

5. Проект легко масштабируется. Результаты проекта могут быть использованы для других отраслей.

КОМАНДА

Зыкина Елена Анатольевна, к.с.-х.н., доцент, научный заказчик, имеет серьёзный опыт в реализации коммерческих проектов в сельском хозяйстве

Научные исполнители:

Каплун Дмитрий Ильич, к.т.н., руководитель проекта, имеет серьёзный опыт в руководстве и планировании больших научных, коммерческих и социальных проектов

Синица Александр Михайлович, м.н.с., ML-инженер – технолог, имеет большой опыт разработки коммерческих информационных систем на базе машинного обучения

Ефименко Георгий Алексеевич, ассистент, м.н.с., мобильный разработчик, участвовал в прикладных и фундаментальных НИОКР, имеет большой опыт коммерческой разработки мобильных приложений

Льянова Ася Илезовна, инженер., аналитик данных – онтолог, участвовал во множестве прикладных и фундаментальных НИОКР

Тарапата Светлана Сергеевна, инженер, разработчик ПО, участвовала во множестве прикладных и фундаментальных НИОКР, имеет опыт разработки коммерческого ПО

Валенкова Дария Андреевна, инженер, разработчик ПО, участвовала во множестве прикладных и фундаментальных НИОКР, имеет опыт разработки коммерческого ПО

Недостаток: отсутствие профильного специалиста по финансам

BSR-2023-80

​

Спасибо!

Контакты для связи:

Каплун Дмитрий Ильич

dikaplun@etu.ru

Создание мобильного приложения для бесконтактного определения живой массы свиней всех половозрастных групп