Агропромышленность, ветеринария

Ии-контроль отёла и ухода за телятами

AI-система автоматизирует контроль отёла и первых часов жизни телёнка, чтобы снизить риск пропуска патологий, ускорить реакцию персонала и повысить соблюдение технологического протокола.

calving-and-calf-care-video-analytics-1.png
calving-and-calf-care-video-analytics-2.png
calving-and-calf-care-video-analytics-1.png
NDA
ЗаказчикПредприятие молочного животноводства, для которого критичны управляемость родильного блока, снижение потерь молодняка и стабильное исполнение производственных протоколов.
ЗадачаОцифровать родильный блок и послеродовой маршрут телёнка, чтобы фиксировать ключевые события, нарушения регламента и критические отклонения.

О проекте

У заказчика по действующему регламенту секцию сухостойных коров обходят каждые 30 минут, но такой режим требует постоянного участия людей и всё равно оставляет риск пропуска начала отёла, осложнений и нарушений в первые часы жизни телёнка.

 

Именно поэтому заказчик пришёл не к идее “детектировать один факт рождения”, а к AI-системе для контроля всего процесса: от признаков приближающихся родов до взвешивания, первой выпойки молозивом, контроля его температуры и плотности, первого доения и фиксации всех операций в журнале. 

 

Мы предложили программно-аппаратный комплекс видеоаналитики с интеграцией в весы, температурные датчики, рефрактометр и 1С, чтобы система не просто наблюдала, а помогала управлять процессом и автоматически фиксировать ключевые события.

NDA
ЗаказчикПредприятие молочного животноводства, для которого критичны управляемость родильного блока, снижение потерь молодняка и стабильное исполнение производственных протоколов.
ЗадачаОцифровать родильный блок и послеродовой маршрут телёнка, чтобы фиксировать ключевые события, нарушения регламента и критические отклонения.

на 50%

снизилась смертность телят в первые сутки
1
Анализ объекта и формализация сценариев контроля
Определяем зоны наблюдения, точки установки камер, целевые события и правила срабатывания системы
2
Сбор данных, разметка, обучение моделей
Анализ видео реальных процессов, разметка ключевых сценариев, обучение модели детекции родов, патологий, действий персонала
3
Разработка платформы и интеграций
Собираем backend, журнал событий, веб-интерфейс и интеграции с весами, датчиками температуры, рефрактометром и 1С
4
Монтаж и настройка на объекте
Устанавливаем камеры, сервер, сетевую инфраструктуру и калибруем сценарии под реальные зоны и условия фермы
5
Тестирование и пилотная эксплуатация
Проверяем сценарии на объекте, донастраиваем модели и запускаем систему в пилотный режим с обучением персонала

Интересные факты

Важны точные ветеринарные сроки: если плодный пузырь виден больше 6 часов, а после его разрыва прошло больше 2 часов, это уже признак патологии и повод для немедленного вмешательства.

Технологический стек

Frontend

Интерфейс пользователя: отчеты, графики, панели управления

Backend

Логика обработки и базовые компоненты системы

ML

Модели и фреймворки для обучения

Вызовы и решения

Контроль не одного события, а протокола

После отёла нужно не просто зафиксировать рождение телёнка, а отследить взвешивание, сушку, первую и вторую выпойку, работу с коровой, молозивом и журналом
РЕШЕНИЕ

Сквозная модель событий по всему циклу

Спроектировали систему контроля всего процесса: от признаков родов до послеродовых операций с телёнком и коровой, с фиксацией этапов и привязкой к журналу отёлов

Часть критичных действий нельзя надежно закрыть одной камерой

Для проекта важно не только видео, но и точные значения: вес телёнка, температура молозива, плотность по Брикс, данные о надое и записи в CRM.
РЕШЕНИЕ

Интеграция видеоаналитики с оборудованием и учётной системой

В контур заложили связку с весами, датчиками температуры, рефрактометром, доильным оборудованием и CRM, чтобы система фиксировала не только факт действия, но и его технологический результат.

<3

минут - реакция системы на изменение состояния

>98%

телят получают молозиво вовремя

100%

молозива проверяется перед первой выпойкой

Команда, которая внедрила проект

Дмитрий Долгин
Tech Lead
Константин Порошкин
ML-инженер
Дмитрий Соркин
DevOps-инженер
Марк Яговкин
Руководитель разметки данных
Никита Никонов
ML-инженер
Виктор Дупляков
Full-stack разработчик

Бесплатный разбор вашей задачи

На экспертной встрече разберем, какие сценарии внедрения ИИ для вашего бизнеса перспективны и возможны на вашем действующем оборудовании. Подготовим экономическое обоснование внедрения ИИ.

Рассмотрим технические ограничения и возможный первый этап проекта.

О вашей задаче (по желанию)

Готовые проекты

Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.

bracket
Разработка крупной системы
3D-инспекция кузова фур
lidar-truck-scanning-system.png
Разработка крупной системы
ИИ-система учёта возвратной тары
3d-lidar-returnable-packaging-counting.jpg
Разработка крупной системы
Машинное зрение измеряет паллеты и передает данные в WMS
pallet.png
Разработка для сельского хозяйства
Нейросеть для мониторинга здроровья коров
ии мониторинг здоровья коров-1.jpg
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
damage-detection-case.png
Разработка крупной системы
ИИ-контроль операций ко-пакинга
ai-copacking-automation.jpg