ИИ и камеры научились предсказывать вес индеек за три недели до взвешивания: точность достигает 93%

Система, объединяющая камеру и алгоритмы искусственного интеллекта, способна в режиме реального времени отслеживать отдельных индеек и предсказывать их живую массу на срок до 21 дня вперед. Точность прогнозов, по данным исследователей Университета штата Пенсильвания (Penn State), составляет около 93%.

Мониторинг живой массы птицы — критически важный инструмент птицеводства. Он дает возможность оценивать скорость роста, однородность стада, эффективность конверсии корма и своевременно выявлять проблемы со здоровьем. Однако регулярный и точный сбор индивидуальных весовых показателей в промышленных масштабах остается серьезным вызовом.

«Классические методы индивидуального взвешивания птицы требуют больших затрат ручного труда и частого отлова животных, что порождает как экономические сложности, так и вопросы благополучия птицы», — приводит слова ведущего автора исследования Энрико Казеллы, доцента кафедры анализа данных в системах животноводства Колледжа сельскохозяйственных наук Penn State, источник.

По его словам, данные о живой массе напрямую влияют на эффективность производства, поскольку средний вес птицы в стаде определяет настройки перерабатывающего оборудования.

Эксперимент проходил в Центре образования и исследований птицеводства Penn State. В нем участвовали 30 самцов индеек, содержавшихся совместно. Наблюдение велось с 37-го по 133-й день жизни птицы — почти 14 недель.

Над птицей установили камеру, которая одновременно снимала обычные цветные изображения и фиксировала данные о глубине. Последние позволяли получать информацию о трехмерной форме и габаритах каждой особи.

Поскольку в объектив могли попадать сразу несколько индеек, искусственному интеллекту предстояло научиться определять, какие участки кадра принадлежат конкретной птице. Эта задача известна как сегментация отдельных объектов (instance segmentation).

Для обучения и валидации модели исследователи пять раз в неделю взвешивали индеек вручную — эти данные служили эталоном. Обработка изображений велась с помощью нейросети глубокого обучения ResNet, что позволило установить связь между внешним видом, размерами, формой птицы и ее фактической массой.

Ключевой результат: прогнозы будущего веса оказались практически столь же точными, как и оценки текущего. Ранее системы компьютерного зрения не обеспечивали подобной точности предсказания динамики массы птицы на перспективу.

«Представьте промышленную ферму с тысячами индеек. Если фермеры смогут надежно оценивать массу птицы с помощью камер, необходимость отлавливать и вручную взвешивать большое количество животных отпадет», — подчеркнул Казелла.

По мнению авторов, технология найдет применение для контроля темпов роста, выявления особей с недостаточным приростом, корректировки стратегий кормления, прогнозирования сроков достижения убойной кондиции, а также для сокращения ручного труда и стресса для птицы.

Тем не менее исследователи предупреждают: полученные результаты еще не означают готовности технологии к массовому коммерческому внедрению. Эксперимент охватывал лишь 30 индеек и проводился в относительно контролируемых условиях. Для подтверждения эффективности необходимы более масштабные испытания с учетом разных хозяйств, пород и кроссов, условий содержания, освещения и значительно большего поголовья.

Первый автор исследования Мирейя Молинс, получившая степень магистра в области животноводства ранее в этом году, сейчас трудится инженером-консультантом по животноводству в компании NovaTech Engineering (Уиллмар, штат Миннесота).

Работа выполнена при поддержке Института вычислительных и информационных наук Penn State и Национального института продовольствия и сельского хозяйства Министерства сельского хозяйства США.