CC BY
34
УДК 004.8:636.2.061 DOI 10.51794/27132064-2021-4-6
ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ОЦЕНКЕ ЭКСТЕРЬЕРА КРС
Ю.А. Иванов, академик РАН А.Р. Зарикеев, младший научный сотрудник ИМЖ - филиал ФГБНУ ФНАЦ ВИМ E-mail: alexander.zarikeev@gmail.com
Аннотация. Сельское хозяйство, и животноводство в частности, на территории стран ЕврАзЭС развивается, но скорость внедрения новых технологических систем осложняется не только возможной реорганизацией работы в данной сфере, но и долгим процессом обучения персонала специфике нового оборудования. Тем не менее, с каждым годом внедряется все больше автоматизированных, цифровых и нейросе-тевых систем в различные сферы сельского хозяйства. Полученная при анализе литературных и интернет-источников информация по используемым в настоящее время технологиям позволяет понять, что для сбора и редактирования информации имеется ряд не только специализированных программных комплексов для персональных компьютеров и мобильных девайсов, но и программ для анализа и систематизации введенной информации. Предлагаемый программно-аппаратный комплекс позволит упростить процесс оценки экстерьера животного благодаря комплексу камер, программному обеспечению и разработанной нейросети. Ориентирована данная разработка будет на частные фермерские хозяйства и крупные предприятия, где требуется работа с оценкой экстерьера животного. Управление комплексом будет вестись через web-интерфейс с возможностью работы с любого компьютера, планшета и/или телефона, имеющего доступ в интернет. Преимуществами являются существенное увеличение скорости оценки экстерьера животного (не более 15 секунд на животное вместо 1-2 минут) и сокращение расходов фермерского хозяйства на услуги выездной оценки экстерьера.
Ключевые слова: животноводство, оценка экстерьера животных, автоматизация процесса оценки, нейронная сеть.
Введение. На территории стран ЕврАзЭС та. Изучить возможность внедрения искус-работа в сфере животноводства ведется са- ственного интеллекта в данный процесс и мым стабильным и наименее безошибочным предложить собственные варианты. методом: используя проверенные временем Материал и методы исследований. При технологии с применением ручного труда и исследовании данного вопроса были исполь-минимальным процентом цифровизации [2]. зованы методы сбора, анализа и обработки Хотелось бы отдельно отметить, что у зару- материала из литературных источников, бежных коллег имеются наработки по внед- справочных данных и данных первичного рению технологий искусственного интеллек- зоотехнического и статистического учета. та в сельскохозяйственную среду. На данный Результаты исследований и их обсуж-момент известно про работу с компьютер- дение. Нами была проведена работа по изу-ным зрением при уборке урожая с полей. И чению использования современных техноло-подобные тенденции наблюдаются уже не гий в процессе оценки экстерьера крупного один год. В обозримом будущем следует рогатого скота на территории России. Не-ожидать все больше новостей про разработ- смотря на высокий уровень развития техно-ки и внедрение ранее невиданных техноло- логий, при проведении бонитировки исполь-гий в повседневную жизнь работников сель- зуется не так много технологических скохозяйственной сферы. средств. Например, сам процесс оценки про-
Цели и задачи исследования. Изучить водится в ручном режиме. То есть, непо-используемые в данный момент современ- средственный сбор необходимой информа-ные технологии в животноводстве и процес- ции производится специалистом, который се оценки экстерьера крупного рогатого ско- ходит вокруг животного с рулеткой/санти-
метром/иным измерительным прибором. И лишь после сбора необходимой информации возможно внесение данных в специализированные программные комплексы для сбора и обработки введенной информации [1, 4].
В данные программные комплексы включаются как цифровые продукты в виде деск-топных приложений для сбора информации (ярким примером такого приложения может являться комплекс программ системы 1С), так и различные компьютерные комплексы, с которых вносятся все данные, требующие обработки. Тем не менее, в последние годы наблюдается тенденция к переходу рабочих процессов на мобильные устройства в виде планшетов или смартфонов с набором необходимых рабочих программ, которые не ограничиваются стандартными офисными приложениями, как Word, Excel и т. д., но используются и более специализированные приложения для учета стада (приложения для считывания ушных меток, отслеживания питания, калькулятор кормов и др.) [3].
Отдельно хотелось бы отметить, что на территории Российской Федерации иная референтная база. Это объясняется различиями в показателях американских или голландских животных [6, 7]. Основываясь на вышеприведенной информации, мы можем понять, что процесс внедрения современных технологий движется медленно, но не стоит на месте. После изучения данной проблемы нами разработана технология, позволяющая внедрить в процесс оценки экстерьера животного искусственный интеллект.
Прежде чем перейти к описанию технологии, отметим, что оценка экстерьера является частью комплексной оценки животного по молочной и/или мясной продуктивности. В дальнейшем имеющиеся идеи будут дорабатываться и дополняться для комплексной работы с животными при помощи искусственного интеллекта или иных технологий. Нами предлагается мобильный программно-аппаратный комплекс, производящий определение контрольных точек крупного рогатого скота для анализа его экстерьера с последующим выставлением оценки по 100-балльной системе.
Данные фотофиксации сохраняются в базе данных с привязкой к конкретному животному. Погрешность замеров составляет не более 5% по всем осям измерения. Управление комплексом ведется через Web-интер-фейс и может происходить с любого компьютера, планшета и/или телефона, имеющего доступ в интернет.
Пользователи системы могут получить в режиме реального времени статистический отчет по всему оцененному поголовью. Отчет содержит следующую информацию:
- кличка животного и/или ГО, присвоенные пользователем системы;
- время прохождения оценки;
- детальный отчет по всем внешним характеристикам животного;
- данные фотофиксации.
В случае крупного хозяйства (более 800 голов) часто эксперт не в состоянии оценить все стадо за один выезд, что приводит к необходимости повторного визита эксперта и нарушению сроков получения субсидий; как следствие - отклонение в негативную сторону планов по выпуску и поставкам продукции. Также, ввиду наличия человеческого фактора и различий в калибровке измерительных приборов, при ручном измерении допускаются ошибки и неточности, что может привести к неправильному выводу на основе экстерьерных характеристик животного и недополучению субсидий на данное животное [5].
Основное назначение разработки - это автоматизация процесса замеров и оценки экстерьера КРС (исключение влияния человеческого фактора), существенное увеличение скорости оценки экстерьера животного (не более 15 секунд на животное вместо 1-2 минут) и сокращение расходов фермерского хозяйства на услуги выездной оценки экстерьера. Дополнительным существенным преимуществом также является тот факт, что предлагаемая разработка позволяет проводить оценку, не беспокоя животное, т. е. дистанционно, в естественной среде. Помимо вышеперечисленной информации, разрабатываемый программно-аппаратный комплекс позволит уменьшить влияние человеческого
фактора не только при измерениях и работе с животными, но и при внесении данных в базы для обработки и последующего хранения. То есть, когда человек непосредственно ходит вокруг животного, производя необходимые измерения, вероятны ошибки и иные неточности. Комплекс встроенных в разрабатываемый продукт датчиков позволит свести к минимуму количественные ошибки в измерениях. Помимо ошибок при измерениях, возможны ошибки при заполнении документации и внесении полученной информации в базы данных путем ручного ввода. В будущем планируется расширение доступных возможностей комплекса добавлением возможности автоматической и дистанционной загрузки и подгрузки информации (данные с камер, результаты замеров и иные данные) напрямую с устройства на сервер или базу данных, где будет проводиться последующий анализ, обработка, систематизация и хранение информации. Данная разработка, не имеющая аналогов на отечественном рынке, создается также с целью повышения конкурентоспособности российского программного комплекса на мировом и российском рынках. Основная область применения - фермерские хозяйства РФ различных размеров (от малых частных хозяйств до крупных племенных предприятий).
Программный продукт будет включать в себя систему интеллектуальной оценки экстерьера животного (нейронную сеть) на основе введенных параметров и данных фотофиксации животного. Оценка производится на основе обработки стереофотографии (изображение RGB-D), полученной из аппаратного комплекса, искусственной нейронной сетью. Задача нейронной сети - выделить на изображении исследуемый объект (крупный рогатый скот), его части (крестец, копыта, холку и пр.) и провести измерение размеров каждой исследуемой части животного (в показателях длины и ширины объектов). В задачи нейронной сети также входит коррекция ошибок произведенных замеров для повышения их точности. Аппаратный комплекс представляет собой систему компьютерного зрения, создающую стереокартинку кадра.
Стереокартинка создается за счет двух камер RGB, установленных особым образом на штативе, инфракрасного проектора и вычислительного блока. Аппаратный комплекс позволяет оценить линейные размеры объектов на изображении, а инфракрасный проектор - устранить искажения, вызванные плохими условиями освещенности в помещении коровника.
Аппаратный комплекс передает результаты измерения на мобильное приложение, где данные предобрабатываются (сжимаются) и направляются на удаленный сервер для последующей обработки. Для облегчения работы с камерой и повышения ее устойчивости будет предусмотрена конфигурация стерео-камер и вычислительного модуля, позволяющая устанавливать их на трипод. В предложенной конфигурации стереокамеры должны быть помещены в защитный пластиковый корпус и установлены на штатив (рис. 1). Вычислительный модуль должен крепиться к одной из "ножек" трипода при помощи системы креплений и диэлектрического ложа (детали распечатываются на 3D-принтере).
На текущий момент в задачах классификации, детектирования, локализации объектов на изображениях или видео сформировался стандарт, в основе которого лежит сверточная нейронная сеть.
Рис. 1. Модель трипода для установки вычислительного модуля
Архитектура искусственных нейронных сетей была предложена Яном Лекуном для эффективного распознавания изображений. Ее основа имеет биологически правдоподобную структуру, использующую некоторые особенности зрительной коры, в которой были открыты так называемые простые клетки, реагирующие на прямые линии под разными углами, и сложные клетки, реакция которых связана с активацией определенного набора простых клеток. Фактически идея сверточ-ных сетей заключается в чередовании свер-точных слоев и слоев подвыборки. Название архитектура сети получила из-за наличия операции свертки, суть которой заключается в умножении каждого фрагмента изображения на ядро свертки поэлементно, а также суммировании и записи результата в аналогичную позицию выходного изображения.
На сегодняшний день существует достаточно большое количество алгоритмов, успешно решающих задачи семантической сегментации и использующих сверточную архитектуру (рис. 2). Однако большинство моделей достаточно тяжелы с точки зрения использования их в системах реального времени и для обработки видеопотока.
Рис. 2. Схематичное изображение принципа работы блока камер
Исходя из представленного выше, была поставлена задача разработать и реализовать алгоритм, позволяющий распознавать и сегментировать объекты на изображении с приемлемым качеством и эффективностью. Таким образом, должна быть решена задача сегментации тела/частей тела животного на основе данных стереоизображения, полученных с аппаратного комплекса.
Для решения поставленной задачи при реализации разработки должен быть разработан алгоритм искусственного интеллекта на базе нейронной сети, обеспечивающий следующие возможности:
- идентификация целевого объекта (КРС) на изображении (задача сегментации изображения);
- идентификация частей тела сельскохозяйственного животного, которые должны быть измерены в соответствии с методикой оценки экстерьера животного (задача сегментации изображения);
- коррекция замеров, полученных с аппаратного комплекса, на основе данных о породе и других биометрических факторов сельскохозяйственного животного (задача регрессии).
В процессе подготовки и решения данного проекта будет проводиться обучение нейросети на 1000 (как минимум) голов крупного рогатого скота. Также планируется адаптация к различным условиям освещения и углу съемки животного.
Вывод. В процессе изучения используемых современных технологий в современном животноводстве мы пришли к выводу, что уровень внедрения современных технологий на данный момент еще относительно мал. Предложенная нами разработка позволит не только повысить процент цифровиза-ции сельского хозяйства, но и значительно упростит процесс оценки экстерьера крупного рогатого скота.
Работа над проектом такого уровня требует глубокого изучения вопросов, связанных не только с животноводством, но и с использованием программно-аппаратных
систем (т. е. комплектующих, программных продуктов, включающих в себя ПО для мобильных устройств и ПК, а также нейросе-тей). Данный подход к работе позволит в дальнейшем не только изучать новые технологии, но и успешно адаптировать и внедрять их в различные сферы животноводства и сельского хозяйства в целом.
Литература:
1. Иванов Ю.А. Цифровое животноводство: перспективы развития // Вестник Всероссийского научно-исследовательского института механизации животноводства. 2019. № 1(33). С. 4-7.
2. Ivanov Y., Tikhomirov I. Promising directions of technological development and the use of digital technologies in dairy farming // Bio Web of Conferences. Kazan, 2020. Т. 27. С. 00147.
3. Иванов Ю.А., Скоркин В.К., Аксенова В.П. Оптимизация и модернизация технологических процессов молочных ферм // Международный технико-экономический журнал. 2020. № 4. С. 7-15.
4. Интеллектуальная система управления и обеспечения эффективного производства продукции молочного скотоводства умной фермы / Иванов Ю.А. и др. // Аграрная наука Евро-Северо-Востока. 2019. Т. 20, № 1. С. 57-67.
5. Иванов Ю.А., Скоркин В.К., Ларкин Д.К. Цифровая молочная ферма на 400 коров // Международный технико-экономический журнал. 2019. № 1. С. 7-13.
6. Иванов Ю.А. Научное обеспечение модернизации объектов по производству продукции животноводства // Вестник Всероссийского научно-исследовательского института механизации животноводства. 2018. № 2(30). С. 4-12.
7. Инновационные технологии и технические средства для производства конкурентоспособной продукции / Скоркин В.К. и др. // Вестник Всероссийского научно-исследовательского института механизации животноводства. 2016. № 2(22). С. 110-117.
Literatura:
1. Ivanov YU.A. Cifrovoe zhivotnovodstvo: perspektivy razvitiya // Vestnik Vserossijskogo nauchno-issledovatel'-skogo instituta mekhanizacii zhivotnovodstva. 2019. № 1 (33). S. 4-7.
2. Ivanov Y., Tikhomirov I. Promising directions of technological development and the use of digital technologies in dairy farming // Bio Web of Conferences. Kazan, 2020. T. 27. S. 00147.
3. Ivanov YU.A., Skorkin V.K., Aksenova V.P. Optimi-zaciya i modernizaciya tekhnologicheskih processov mo-lochnyh ferm // Mezhdunarodnyj tekhniko-ekonomiches-kij zhumal. 2020. № 4. S. 7-15.
4. Intellektual'naya sistema upravleniya i obespecheniya effektivnogo proizvodstva produkcii molochnogo skoto-vodstva umnoj fermy / Ivanov YU.A. i dr. // Agrarnaya nauka Evro-Severo-Vostoka. 2019. T. 20, № 1. S. 57-67.
5. Ivanov YU.A., Skorkin V.K., Larkin D.K. Cifrovaya molochnaya ferma na 400 korov // Mezhdunarodnyj tekh-niko-ekonomicheskij zhumal. 2019. № 1. S. 7-13.
6. Ivanov YU.A. Nauchnoe obespechenie modernizacii ob"ektov po proizvodstvu produkcii zhivotnovodstva // Vestnik Vestnik Vserossijskogo nauchno-issledovatel's-kogo instituta mekhanizacii zhivotnovodstva. 2018. № 2 (30). S. 4-12.
7. Innovacionnye tekhnologii i tekhnicheskie sredstva dlya proizvodstva konkurentosposobnoj produkcii / Skor-kin V.K. I dr. // Vestnik Vserossijskogo nauchno-issledo-vatel'skogo instituta mekhanizacii zhivotnovodstva. 2016. № 2(22). S. 110-117.
ARTIFICIAL INTELLIGENCEAT THE CATTLE EXTERIOR EVALUATION USING Yu.A. Ivanov, RAS academician A.R. Zarikeev, junior research worker IMJ - filial of FGBNY FNAC VIM
Abstract. Agriculture, and livestock in particular, on the EAEU countries territory is developing, but new technological systems introduction speed is complicated not only by the possible reorganization of work in this area, but also by the long process of training personnel at new equipment specifics. Nevertheless, every year more and more automated, digital and neural network's systems into agriculture's various fields are being introduced. The information obtained by literary and Internet sources on the currently used technologies analyzing makes it clear that there are a number of not only specialized software complexes for personal computers and mobile devices, but also programs for entered collect and edit information analyzing and systematizing. The proposed hardware and software complex will simplify the animal exterior's evaluating process thanks to a complex of cameras, software and a developed ne-ural network. This development will be focused both on private farms and large enterprises where animal exterior evaluation work is required. The complex will be managed via a web interface with any computer ability, tablet and/or phone with Internet access working. This advantage is a significant the animal exterior evaluation speed (no more than 15 seconds per animal instead of 1-2 minutes) increasing and farm services of on-site exterior evaluation costs' reducing.
Keywords: livestock, animals exterior evaluating, automation of evaluating process, neural network.
