Машинное зрение и видеоаналитика с ИИ в животноводстве
Камеры распознают каждое животное, следят за доением и поведением и заранее предупреждают о хромоте, снижении аппетита и ухудшении самочувствия
На современном комплексе невозможно круглосуточно наблюдать за каждой коровой глазами персонала. Система машинного зрения берёт эту работу на себя: видеокамеры и нейросети круглосуточно идентифицируют животных, анализируют походку, кормление, лежание, активность и процесс доения. ИИ сравнивает текущее поведение с индивидуальной нормой и вовремя поднимает тревогу — ещё до того, как болезнь станет очевидной и начнёт бить по надоям.
Мы интегрируем промышленные камеры, пограничные вычислители (edge AI) и модели компьютерного зрения в единую экосистему фермы: данные с видеопотока связываются с идентификацией животного, доильным залом, кормлением и журналом здоровья. Результат — не «просто камеры», а цифровой зоотехник, который не устаёт и не пропускает слабые сигналы неблагополучия.
1. Распознавание животных: кто есть кто в стаде
Основа видеоаналитики — устойчивая идентификация каждой головы без постоянного участия человека. Система сопоставляет визуальный образ коровы с номером в стаде и ведёт персональную историю поведения.
- Визуальный ID: нейросеть выделяет уникальный рисунок шерсти, контур головы, форму морды и другие биометрические признаки. Это работает даже если бирка загрязнена или временно не считывается.
- Связка с RFID / ISO-биркой: камера у прохода, кормового стола или доильного зала подтверждает номер чипа кадром. Двойная идентификация снижает ошибки учёта.
- Трекинг в кадре: алгоритм сопровождает животное от зоны к зоне (стойло, кормовой стол, накопитель, дойка), не «теряя» его при смене ракурса.
- Карточка животного: к номеру привязываются события — хромота, отказ от корма, длительное лежание, срыв доения, снижение активности.
🎯 Зачем это нужно: без точного ID аналитика бесполезна. Врачу и зоотехнику важно не «в секции кто-то хромает», а конкретный номер, смена, группа и история за последние 7–14 дней.
2. Контроль доения: камеры в зале и на роботе
Доильный зал и робот-дояр — критические точки, где секунды и точность влияют на качество молока, здоровье вымени и ритм стада. Видеоаналитика дополняет датчики потока молока «глазами» системы.
- Присутствие и очередь: система фиксирует, какие коровы вошли в накопитель и на место доения, выявляет простои, «заторы» и животных, которые систематически избегают зала.
- Надевание стаканов и полнота выдаивания: на роботе и в зале ИИ контролирует корректность позиционирования, срывы стаканов (kick-off) и признаки неполного доения.
- Поведение на дойке: беспокойство, удары ногой, отказ заходить — ранние маркеры мастита, боли в конечностях или стресса.
- Гигиена и регламент: фиксация подготовки вымени, времени доения, интервалов между сессиями; сравнение с технологической картой фермы.
- Связь с надоем: падение удоя у конкретной коровы вместе с изменением поведения на дойке сразу попадает в список приоритетного осмотра.
Что видит оператор в реальном времени
События доильного зала:
- животное не выдоилось / срыв стакана;
- слишком долгое или слишком короткое доение относительно нормы этой коровы;
- повторный заход или пропуск сессии;
- аномальная активность в накопителе (давка, падения, драки).
3. Поведенческая аналитика: норма и отклонение
Болезнь редко начинается с явной хромоты или резкого падения удоя. Сначала меняется суточный ритм: корова меньше ест, дольше лежит, реже подходит к корму, хуже встаёт, избегает конкуренции у стола. ИИ строит индивидуальный профиль «как обычно» и сравнивает текущие сутки с этим профилем.
🍽️ Кормление и аппетит
Камеры над кормовым столом считают подходы, время у корма и активность жевания. Снижение времени кормления на 20–30% относительно персональной нормы — один из самых ранних признаков кетоза, метрита, хромоты и общего недомогания. Система отмечает животных, которые подходят к столу, но почти не едят, или которых оттесняют доминантные особи.
🛏️ Лежание, стояние, активность
Избыточное лежание, трудный подъём, «стояние без движения» у кормового стола или в проходе — маркеры боли, проблем с копытами и теплового стресса. Наоборот, резкое сокращение отдыха при нормальном корме часто говорит о дискомфорте стойла, скученности или социальном давлении.
👥 Социальное поведение
Видеоаналитика фиксирует конфликты, вытеснение от кормушки и поилки, изоляцию животного от группы. Корова, которая перестаёт держаться со стадом, часто уже болеет — система поднимает её в рейтинге осмотра.
🔥 Охота и репродукция
Повышенная активность, садки, беспокойство и изменение маршрутов по секции помогают ловить охоту без ошейников или в дополнение к ним. Это сокращает пропуски осеменения и пустые дни.
4. Раннее предупреждение о болезнях и снижении самочувствия
Главная экономическая ценность системы — не архив видео, а список животных, которым нужен осмотр сегодня. Модели обучаются на типичных паттернах молочного стада и на данных конкретной фермы.
Хромота и заболевания конечностей
Камеры в проходах и на выходе из доильного зала анализируют походку: асимметрию шага, укорочение фазы опоры, положение головы, дугу спины. Хромота выявляется на ранних стадиях (1–2 балла по шкале locomotion score), когда лечение ещё короткое и дешёвое, а надой не успел обвалиться.
✓ Норма
LS 1
Ровная походка, спина прямая
⚠ Наблюдение
LS 2
Лёгкая неровность шага
⚡ Приоритетный осмотр
LS 3
Заметная хромота, дуга спины
🚨 Срочно к врачу
LS 4–5
Сильная хромота, отказ опираться
Аппетит, самочувствие, скрытые патологии
- Снижение аппетита: меньше времени у корма, редкие подходы, отказ от свежего замеса — типичный ранний признак кетоза, смещения сычуга, метрита и системного воспаления.
- Изменение жвачки и положения головы: по видео оценивается характер жевания и «поза болезни» (шея вытянута, уши опущены, спина сгорблена).
- Мастит и дискомфорт вымени: беспокойство на дойке, срывы стаканов, отказ заходить в станок в сочетании с падением удоя.
- Послеродовой период: отдельный профиль для новотельных: контроль подъёма, подхода к корму и активности в первые 21 день.
- Тепловой стресс: учащённое дыхание (по движению боков), скопление у поилок и вентиляторов, сокращение лежания днём.
💡 Правило «трёх сигналов»: одно случайное событие (корова не подошла к корму из‑за перегруппировки) не создаёт ложную тревогу. Алерт формируется, когда несколько признаков совпадают в окне 12–48 часов или отклонение устойчиво держится относительно персонального базиса.
🏗️ Архитектура системы
Основные компоненты:
- Промышленные IP-камеры — дневной/ночной режим, защита IP66–IP67, угол обзора под проходы, кормовой стол, накопитель и доильный зал;
- Edge-вычислители (ИИ на объекте) — инференс нейросетей без постоянной передачи видео в облако; обработка 8–16 потоков на узел;
- Сервер видеоаналитики — хранение событий, обучение/дообучение моделей под стадо, отчёты и API;
- Модуль идентификации — визуальный ID + RFID/ISO, привязка к номеру в стаде;
- Интеграция с АСУ фермы — доильное оборудование, учёт молока, ветеринарный журнал, кормление;
- Рабочие места — планшет ветеринара, экран в доильном зале, веб-кабинет зоотехника, push/SMS при критических алертах.
Топология видеонаблюдения
Камеры ставятся в точках, где животное закономерно проходит или задерживается: выход из доильного зала (походка), кормовой стол (аппетит), стойловые секции (лежание), проходы и накопитель. Потоки идут на edge-узел по локальной сети; в центр уходят не «сырые» ролики, а события, метаданные и короткие видеофрагменты по алерту.
💡 Преимущество edge AI: низкая задержка реакции, работа при слабом интернет-канале, меньше нагрузка на канал и выше конфиденциальность. В облако или на центральный сервер передаются индексы риска, ID животного и клипы 5–15 секунд для проверки врачом.
📍 Зоны контроля на ферме
Помещение и технологические участки делятся на логические зоны видеоаналитики с разным набором моделей:
- Кормовой стол и поилки: аппетит, конкуренция, время кормления;
- Секции содержания: лежание, подъём, социальное поведение, тепловой стресс;
- Проходы и сортировочные ворота: идентификация, походка, хромота;
- Накопитель и доильный зал / робот: очередь, поведение на дойке, срывы, пропуски сессий;
- Родильное и телятник (опция): признаки отёла, активность телёнка, подход к молоку.
🎯 Точность контроля: модель походки не ставится над кормовым столом, а детектор аппетита не нужен на каждом столбе. Правильное зонирование снижает число камер и повышает качество срабатываний.
⚙️ Как работает ИИ: от кадра к алерту
Система непрерывно обрабатывает видеопоток и ведёт персональные временные ряды по каждому животному.
🔄 Конвейер видеоаналитики:
1
Захват кадра — стабилизация, коррекция экспозиции, маски зон интереса (кормовой стол, проход, станок)
2
Детекция и трекинг — поиск животных в кадре, сопровождение ID внутри ролика, отделение людей и техники
3
Идентификация — визуальный профиль + RFID в контрольных точках, привязка к номеру в стаде
4
Извлечение признаков — походка (keypoints), поза, время у корма, лежание/стояние, события доения
5
Сравнение с нормой — индивидуальный базис 7–14 дней, групповые пороги, индекс Risk
6
Алерт и клип — карточка животного, причина, короткий ролик, рекомендация осмотра; запись в журнал здоровья
Пороги срабатывания (пример настройки фермы):
| Сценарий | Критерий | Действие |
| Хромота | LS ≥ 2 два прохода подряд или LS ≥ 3 один раз | Список копытчика / ветврача |
| Аппетит | Время у корма −25% и более к базису 3 суток | Приоритетный осмотр, контроль кетоза |
| Самочувствие | Долгое лежание + трудный подъём + низкая активность | Вызов ветврача в секцию |
| Доение | Срыв стакана / недодой / пропуск сессии | Повторная дойка, проверка вымени |
| Критический риск | Индекс Risk выше порога и ≥ 2 совпавших признака | Push-уведомление, клип, карточка |
🔧 Гибкая настройка: пороги, веса индекса Risk и списки рассылки задаются отдельно для новотельных, высокоудойных, сухостойных и ремонтного молодняка. Это снижает ложные срабатывания в группах с разным нормальным поведением.
🎛️ Модели и защита качества распознавания
Что считают нейросети
На объекте работают специализированные модели, а не одна «универсальная сеть»:
Условия фермы, которые система учитывает
⚠️ Типичные помехи и как с ними работают:
- Пыль, пар, слабый свет: камеры с ИК-подсветкой, антивандальные кожухи, порог уверенности модели — при низкой confidence событие не поднимается в критический алерт;
- Скученность в кадре: трекер ведёт несколько особей, идентификация подтверждается в «чистых» точках (проход, ворота);
- Загрязнение объектива: мониторинг качества кадра, уведомление персоналу на обслуживание;
- Ложные тревоги: правило нескольких признаков, персональный базис, ручная разметка спорных клипов для дообучения.
Интеграция со смежными системами
Видеоаналитика усиливает, а не заменяет датчики:
- Доильное оборудование: удой, электропроводность, время доения + поведение в зале;
- Кормление: факт подхода к столу + данные кормораздатчика / системы TMR;
- Микроклимат: при росте THI система помечает тепловой стресс и коррелирует его с аппетитом и лежанием;
- Ветеринарный журнал: алерты становятся задачами: осмотр, обработка копыт, лечение, контроль.
📊 Технические характеристики
| Параметр | Значение |
| Тип камер | IP, 2–8 Мп, день/ночь, IP66–IP67 |
| Обработка видео | Edge AI (on-premise), опционально гибрид с сервером |
| Потоков на вычислительный узел | 8–16 (масштабируется узлами) |
| Идентификация | Визуальный ID + RFID/ISO в контрольных точках |
| Задержка алерта | от нескольких секунд (событие) до 1 суток (тренд) |
| Хранение | События и клипы 5–15 с; полный архив — по политике фермы |
| Интеграции | Доильные системы, RFID, SCADA/микроклимат, REST API |
| Рабочие места | Веб-кабинет, планшет ветврача, экран в зале, push/SMS |
| Дообучение под стадо | После пусконаладки на роликах объекта |
💡 Преимущества системы
Внедрение машинного зрения и видеоаналитики с ИИ обеспечивает:
- Раннее выявление хромоты: лечение на стадии LS 2 вместо запущенных случаев, меньше выбраковки и потерь молока;
- Контроль аппетита и самочувствия: коровы с кетозом, метритом и общим угнетением попадают к врачу на 1–3 дня раньше;
- Прозрачное доение: срывы, недодой, пропуски сессий и стресс в зале не теряются в смене;
- Меньше ручного обхода: персонал идёт по приоритизированному списку, а не «смотрит всех подряд»;
- Персональная история: каждое животное — не средняя по группе, а свой профиль поведения;
- Работа 24/7: ночь, выходные и пиковые часы дойки закрыты камерами, а не случайным вниманием.
Система окупается за счёт сохранённого молока, снижения хромоты и выбраковки, более раннего лечения и экономии рабочего времени ветслужбы.
📈 Практический пример внедрения
Объект: молочный комплекс на 1200 голов, 6 секций, параллельный доильный зал, кормовой стол по обеим сторонам проходов.
До внедрения видеоаналитики:
- Хромоту находили в основном на дойке «на глаз», доля хромых в пике — 18–22%;
- Снижение аппетита замечали поздно, когда удой уже падал на 3–5 кг;
- Срывы стаканов и пропуски доения разбирали постфактум по сменам;
- Ветеринарный обход занимал много времени без приоритизации.
После внедрения камер, edge AI и индекса риска:
- Ежедневный список 15–25 голов на осмотр вместо сплошного обхода;
- Доля хромоты LS ≥ 3 снизилась за сезон за счёт раннего направления к копытчику;
- Животные со снижением времени у корма выявляются в среднем на 24–48 часов раньше падения удоя;
- Клипы по срывам доения сократили споры «кто виноват» и ускорили повторную дойку;
- Персонал работает по задачам в планшете: номер, причина, зона, ролик.
🔔 Важно для эксплуатации:
- Регулярная очистка объективов и проверка ИК-подсветки (пыль и конденсат — главные враги точности);
- Калибровка зон интереса после перестановки ограждений и кормового стола;
- Сверка визуального ID с RFID при вводе новых животных и после перегруппировок;
- Разбор ложных алертов в первые 4–8 недель — так модель «привыкает» к конкретной ферме;
- Алерты должны закрываться в журнале (осмотрено / лечение / ложное) — иначе список быстро теряет доверие персонала.
🚀 Готовы внедрить машинное зрение на ферме?
Реализуем комплексы видеоаналитики под задачи хозяйства: идентификация животных, контроль доения, поведенческий мониторинг (аппетит, лежание, активность) и раннее предупреждение о хромоте и снижении самочувствия.
Наши специалисты проведут аудит зон и освещения, согласуют сценарии в техническом задании, спроектируют расстановку камер и edge-узлов и выполнят пусконаладку «под ключ» с обучением ветврачей и зоотехников.
💰 Стоимость комплекта видеоаналитики
от 180 000 ₽
📞 Свяжитесь с нами для бесплатной консультации и расчёта сценариев (хромота, доение, аппетит) под ваш объект
