Оценка экстерьера коровы в классическом её виде — дело хлопотное, почти ритуальное. Специалист подходит к животному с измерительной лентой и глазомером, натренированным годами практики. Нужно зафиксировать корову, удержать, обмерить, записать. Процесс требует терпения — и от человека, и от коровы, которой вся эта процедура вряд ли доставляет удовольствие. Стресс для стада, нагрузка на эксперта, да и точность в полевых условиях оставляет желать лучшего — до 30% погрешности.
И вот на зоостанции Тимирязевской академии этим летом произошла любопытная встреча. Студенты-первокурсники Проектного института цифровой трансформации АПК и их коллеги из Института зоотехнии и биологии собрались вместе, чтобы проверить, как компьютер видит корову. Не как картинку, а как объект для племенной оценки. В рамках летней практики, но с серьёзным прицелом на будущее.
Система, которую разрабатывают в академии, работает через камеры глубины. Они снимают животное, формируют пространственную модель тела. Алгоритм на основе 45-точечной скелетной модели определяет анатомические ориентиры — холку, крестец, углы скакательных суставов, глубину груди, ширину седалищных бугров. И на основе этих точек рассчитывает линейные экстерьерные признаки. Всё — без фиксации, без измерительных палок, без лишнего шума. Результаты тут же сверяли с ручной оценкой экспертов-зоотехников. Не для того, чтобы уличить ИИ в неточности, а чтобы понять, где модель уже работает устойчиво, а где нужна донастройка.
Точность автоматизированной системы превысила 93%. Для сравнения — ручная оценка, как уже говорилось, даёт около 70.
Бонитировка — процедура не декоративная. От неё зависит, кого оставят в племенном ядре, кому доверят продолжение рода, кто пойдёт в основное стадо, а кто на откорм. Чем точнее измерения, тем качественнее отбор, тем выше продуктивность стада в будущем. Но традиционная оценка — это часы работы с каждым животным, стресс, и зависимость от квалификации эксперта. В одном хозяйстве человек с намётанным глазом выдаст одни цифры, в соседнем — другие. И этот разрыв никто не отменял.
Цифровая система, которую проверяли студенты, не заявляет о замене зоотехника. Она предлагает ему другой инструмент — тот, что снимает рутинную нагрузку, уменьшает стресс для животных и повышает объективность. Главный разработчик алгоритма Дмитрий Прошин говорит: «Для нас было важно проверить алгоритм не только в лабораторных условиях, но и в реальной среде — на животных, с которыми ежедневно работают специалисты зоотехнического профиля. Система анализирует данные с камер глубины, строит 45-точечную скелетную модель животного и на ее основе рассчитывает линейные экстерьерные признаки. При этом мы обязательно сопоставляем результаты ИИ с ручной экспертной оценкой, чтобы понимать, где модель уже работает устойчиво, а где требуется дополнительная донастройка. Наша цель — не заменить специалиста, а дать ему инструмент, который снижает рутинную нагрузку, уменьшает стресс для животных и повышает объективность измерений».
Проект интересен не столько самим алгоритмом, сколько тем, как его тестировали. Вместе работали будущие айтишники и будущие зоотехники. Первые на практике увидели реальную, а не абстрактную задачу. Вторые — как цифровые технологии могут помочь в их работе. Междисциплинарное участие, которое даёт больше, чем любой учебник. На первом курсе.
Сейчас алгоритм — в стадии апробации. Но направление, судя по всему, взято верное. Академия движется к созданию полноценной ИИ-системы цифрового фенотипирования КРС. И в этой системе, если всё сложится, зоотехник будет не мерить корову лентой, а смотреть на экран монитора, где компьютер уже всё посчитал за него. Останется только принять решение.
