Ученые Тимирязевской академии создали ИИ-систему для контроля здоровья крупного рогатого скота
ИИ-платформа цифрового фенотипирования крупного рогатого скота использует компьютерное зрение: анализирует видеоданные и выявляет ранние признаки нарушений опорно-двигательного аппарата у животных.
"Молочное и мясное скотоводство имеют стратегическое значение для продовольственной безопасности страны. При большом поголовье специалистам сложно постоянно наблюдать за каждым животным и своевременно замечать начальные изменения в его походке и поведении. Наша система автоматически анализирует видеопоток, выявляет отклонения и формирует для ветеринарного врача или зоотехника перечень животных, требующих дополнительного осмотра. Это позволяет перейти от реагирования на уже выраженное заболевание к раннему профилактическому вмешательству", — комментирует Анастасия Греченева, директор центра "Проектный институт цифровой трансформации АПК" Тимирязевской академии, кандидат технических наук, доцент кафедры прикладной информатики.
Разработчики отмечают, что ежегодно российский АПК теряет почти 30 млрд рублей из-за проблем со здоровьем крупного рогатого скота. Применение ИИ-платформы позволит сократить эти расходы.
ИИ-платформа цифрового фенотипирования крупного рогатого скота для анализа биомеханических паттернов здоровья и линейных экстерьерных признаков, созданная специалистами Тимирязевской академии, отличается от существующих на рынке аналогов количеством контролируемых точек на теле животного: система использует 45 точек, в то время как другие подобные инструменты работают с 24 точками.
"Это позволяет исключить ситуации, когда животные друг друга перекрывают. Также это помогает более точно анализировать походку, если животное двигается не по прямой, и видеть параметры здоровья более чётко. Метрики точности нашей модели составляют более 97%", - говорит техлид команды Сергей Лапшин, программист и инженер данных.
Отдельное направление проекта связано с автоматизацией линейной оценки экстерьера КРС. На основе RGB-изображений и данных камер глубины платформа определяет пространственные координаты ключевых точек, восстанавливает геометрию тела животного и рассчитывает экстерьерные измерения. Полученные данные могут использоваться в селекционно-племенной работе, при формировании цифрового профиля животного и принятии управленческих решений на уровне стада.
Полевые испытания, сбор данных и апробация отдельных компонентов системы проводились на животноводческих площадках в Рязанской и Калининградской областях. В июне 2026 года команда тестирует алгоритмы на базе хозяйств в Воронежской области. Проверяется работа модели из 45 ключевых точек, алгоритмов обработки данных камер глубины, идентификации животных и синхронизации видеопотока с RFID-метками.
