Первая в России нейросеть оценит здоровье северных оленей по видео
Российские ученые создали систему, которая по видео оценивает ключевые параметры северных оленей. Разработка поможет следить за здоровьем животных без стресса для них и повысит эффективность оленеводства в Арктике.
МОСКВА, 22 июня. /Новости науки/. Исследователи Санкт-Петербургского федерального исследовательского центра РАН создали первую в России автоматизированную систему для оценки состояния северных оленей по видео. Об этом сообщили в СПб ФИЦ РАН.
Система использует компьютерное зрение и нейросеть. Она анализирует внешние, или фенотипические, признаки животного. По ним можно оценить массу тела, мышечную массу и репродуктивный потенциал оленя.
«Разработка использует нейросеть, которая при помощи компьютерного зрения по видео анализирует фенотипические данные, на основании которых можно рассчитать общую и мышечную массу, репродуктивный потенциал. Это помогает нам с высокой точностью и скоростью оценивать состояние каждой особи. Кроме того, наша система позволяет бесконтактно мониторить оленей и исключить стресс-факторы, которые возникают у животного, например, при использовании носимых датчиков», — сказал старший научный сотрудник лаборатории информационных технологий в системном анализе и моделировании СПИИРАН — СПб ФИЦ РАН Владислав Соболевский.
Северное оленеводство важно для арктических регионов России. Оленей разводят коренные малочисленные народы Севера. Животные служат основой традиционного хозяйства, помогают сохранять культуру, обычаи и языки местных народов.
Сейчас отрасль сталкивается с нехваткой специалистов и недостатком данных о наследственности животных. Это мешает развивать стада и в отдельных случаях ведет к сокращению поголовья. Автоматизация может снять часть нагрузки с работников и дать больше точных данных о каждом животном.
Разработку создали специалисты Санкт-Петербургского института информатики и автоматизации РАН и Северо-Западного центра междисциплинарных проблем продовольственного обеспечения. Оба учреждения входят в СПб ФИЦ РАН.
В систему вошла нейросеть YOLOv11 и программная платформа AutoGenNet. Она помогает автоматизировать и оптимизировать анализ данных. Ученые выбрали семь основных параметров для распознавания: высоту в холке, обхват груди, косую длину туловища, высоту в локте, глубину груди, ширину груди и ширину в маклоках. Маклоки — это выступающие части тазовых костей животного.
Для обучения и проверки системы исследователи использовали 60 фотографий северных оленей из ямальского опытного стада. Испытания показали, что система распознает все семь ключевых биометрических параметров. Средняя абсолютная ошибка при работе с ранее незнакомыми особями составила 2 см.
По словам ученых, такая точность позволит применять систему для практического мониторинга стад. Например, по упитанности и объему мышечной массы можно прогнозировать продуктивность животных. Это особенно важно для северных территорий, где пастбищные ресурсы ограничены.
«Наша система позволяет решать сразу комплекс различных задач. Так, мониторинг упитанности оленей через анализ объемов мышечной массы позволяет точно прогнозировать продуктивность стад, что критично для управления кормовой базой в условиях лимитированных пастбищных ресурсов. Кроме того, автоматизация определения половозрастной структуры популяций решает проблему неинвазивной оценки репродуктивного потенциала, заменяя традиционные, но травматические методы ловли. А компьютерное выявление патологий по текстуре кожных покровов обеспечивает раннюю диагностику заболеваний, сокращая потери от падежа», — отметил руководитель отдела животноводства и рационального природопользования СЗЦППО — СПб ФИЦ РАН, академик РАН Касим Лайшев.
Результаты исследования опубликованы в научном журнале «Природные ресурсы Арктики и Субарктики». Метод исследования — анализ изображений и видеоданных северных оленей с помощью компьютерного зрения и нейросетевой модели YOLOv11.
Система использует компьютерное зрение и нейросеть. Она анализирует внешние, или фенотипические, признаки животного. По ним можно оценить массу тела, мышечную массу и репродуктивный потенциал оленя.
«Разработка использует нейросеть, которая при помощи компьютерного зрения по видео анализирует фенотипические данные, на основании которых можно рассчитать общую и мышечную массу, репродуктивный потенциал. Это помогает нам с высокой точностью и скоростью оценивать состояние каждой особи. Кроме того, наша система позволяет бесконтактно мониторить оленей и исключить стресс-факторы, которые возникают у животного, например, при использовании носимых датчиков», — сказал старший научный сотрудник лаборатории информационных технологий в системном анализе и моделировании СПИИРАН — СПб ФИЦ РАН Владислав Соболевский.
Северное оленеводство важно для арктических регионов России. Оленей разводят коренные малочисленные народы Севера. Животные служат основой традиционного хозяйства, помогают сохранять культуру, обычаи и языки местных народов.
Сейчас отрасль сталкивается с нехваткой специалистов и недостатком данных о наследственности животных. Это мешает развивать стада и в отдельных случаях ведет к сокращению поголовья. Автоматизация может снять часть нагрузки с работников и дать больше точных данных о каждом животном.
Разработку создали специалисты Санкт-Петербургского института информатики и автоматизации РАН и Северо-Западного центра междисциплинарных проблем продовольственного обеспечения. Оба учреждения входят в СПб ФИЦ РАН.
В систему вошла нейросеть YOLOv11 и программная платформа AutoGenNet. Она помогает автоматизировать и оптимизировать анализ данных. Ученые выбрали семь основных параметров для распознавания: высоту в холке, обхват груди, косую длину туловища, высоту в локте, глубину груди, ширину груди и ширину в маклоках. Маклоки — это выступающие части тазовых костей животного.
Для обучения и проверки системы исследователи использовали 60 фотографий северных оленей из ямальского опытного стада. Испытания показали, что система распознает все семь ключевых биометрических параметров. Средняя абсолютная ошибка при работе с ранее незнакомыми особями составила 2 см.
По словам ученых, такая точность позволит применять систему для практического мониторинга стад. Например, по упитанности и объему мышечной массы можно прогнозировать продуктивность животных. Это особенно важно для северных территорий, где пастбищные ресурсы ограничены.
«Наша система позволяет решать сразу комплекс различных задач. Так, мониторинг упитанности оленей через анализ объемов мышечной массы позволяет точно прогнозировать продуктивность стад, что критично для управления кормовой базой в условиях лимитированных пастбищных ресурсов. Кроме того, автоматизация определения половозрастной структуры популяций решает проблему неинвазивной оценки репродуктивного потенциала, заменяя традиционные, но травматические методы ловли. А компьютерное выявление патологий по текстуре кожных покровов обеспечивает раннюю диагностику заболеваний, сокращая потери от падежа», — отметил руководитель отдела животноводства и рационального природопользования СЗЦППО — СПб ФИЦ РАН, академик РАН Касим Лайшев.
Результаты исследования опубликованы в научном журнале «Природные ресурсы Арктики и Субарктики». Метод исследования — анализ изображений и видеоданных северных оленей с помощью компьютерного зрения и нейросетевой модели YOLOv11.
