Система цифрового зрения - незаменимый помощник при выращивании откормочного молодняка свиней
Автор: Рахматов Л.А., Загидуллин Л.Р., Папаев Р.М., Гирфанов А.И., Шагивалиев Л.Р., Ежкова А.М.
Статья в выпуске: 2 т.250, 2022 года.
Бесплатный доступ
Внедрение систем искусственного интеллекта с использованием цифрового зрения в свиноводстве, активно внедряются ведущими мировыми странами. Результатом совместной работы информационного отдела Белгородского НОЦ, Центра технологий искусственного интеллекта института проблем управления им. В.А. Трапезникова РАН (ИПУ РАН) и научного коллектива Казанской ГАВМ, стало создание и внедрение в работу, на экспериментальной площадке по откорму свиней в ООО «Агро Белогорье», системы цифрового зрения «Айболит».
Свиньи, каннибализм, искусственный интеллект, цифровое зрение
Короткий адрес: https://sciup.org/142234479
IDR: 142234479
Текст научной статьи Система цифрового зрения - незаменимый помощник при выращивании откормочного молодняка свиней
В период с 2014 по 2019 год производство свиней на убой в живом весе увеличилось на 30 % или на 1,2 миллиона тонн. Свиноводство имеет высокую концентрацию в Центральном федеральном округе. Здесь сосредоточено более 50 % производства свинины от общего объема в стране. Регионы, которые обеспечивают наибольший прирост: Белгородская, Курская, Воронежская, Тамбовская, Орловская области и др. На втором месте Приволжский федеральный округ с долей примерно 16 %. К 2025 году общее производство свиней оценочно должно составить 6 миллионов тонн в живом весе – это плюс почти 2 миллиона тонн к уровню 2019 года [2, 3]. Эта задача может быть достигнута не только за счет совершенствования селекционноплеменной работы, улучшения кормления и условий содержания, но и путем внедрения современных систем машинного зрения. В будущем эти системы будут не заменимым помощником всего персонала свиноводческого подкомплекса [5, 6, 7]. Система цифрового зрения способна ранней диагностике заболеваний, предупреждению нарушений в системе кормления, позволит ветеринарным специалистам получению и обработке большого массива данных, с возможными вариантами принятия конкретных решений в кратчайшие сроки [8-11]. Таким образом внедрение в различные отрасли сельского хозяйства систем машинного зрения, являются актуальными и значительно сократят стоимость трудозатрат на производство готовой продукции.
Материал и методы исследований. На основании совместной работы научного коллектива Казанской ГАВМ, информационного отдела Белгородского НОЦ, Центра технологий искусственного интеллекта института проблем управления им. В.А. Трапезникова РАН (ИПУ РАН), были разработаны и внедрены в работу на экспериментальной площадке по откорму свиней в ООО «Агро Белогорье» система цифрового зрения «Айболит». Для совершенствования уже имеющегося оборудования, в цехе откорма использовались камеры 4K IP-КАМЕРА STC-IPM12550A/STC-IPM12650А (Рисунок 1).

Рисунок 1 – 4K IP-КАМЕРА STC-IPM12550A/ STC-IPM12650А
Для работы в удаленном режиме нескольких пользователей, использовали программу Bitvise SSH client, где осуществляли обучение нейронной сети по выделенным паттернам, имеющие практическое значение для завершающей стадии откорма молодняка свиней.
После установки комплекса камер в цехе откорма, с возможностью просмотра двух боксов, обучение нейросети программного комплекса проходило в 2 этапа:
-
1. Сбор и накопления материала для обучения системы;
-
2. Обучение системы для выявления основных нарушений в поведении животных, при содержании в станках мелкогрупповым способом.
Результат исследований. Основной целью обучения нейросети стало фиксация нетипичного поведения среди свиней. Среди которых, опущенный хвост животного может быть симптомом ряда заболеваний и травм, в том числе и показателем того, что животные кусают хвост (Рисунок 1). Таким образом, кончик хвоста поднят под углом 45 градусов относительно позвоночного столба – здоровое животное, либо опущен вниз – больное животное.
Доктор Рик Д'Эт, специалист по поведению животных в Шотландском сельском колледже (SRUC), сказал: «Наши результаты показывают, что в дополнение к кусанию хвоста изменения в положении хвоста свиней также связаны с другими признаками неблагополучия у животных [4].
Хвост характеризует крепость конституции и состояние здоровья свиней. Он должен быть толстым у корня и постепенно сужаться к концу. Поднятый вверх, он свидетельствует о хорошем состоянии здоровья животных.
Одним из основных разновидностей нетипичного поведения свиней, является канибализм. Канибализм – это поедание свиньями своих павших собратьев. Предшественником канибализма, служат внутри групповые акты агрессии длительного характера, гибель ослабленных животных из-за перенесенных заболеваний различной этологии и многое другое.
Среди многих видов поведения в условиях группового содержания животных определенное значение имеет антагонизм. Постоянное беспокойство, причиняемое стаду агрессивным животным, отрицательно сказывается на эффективности производства. Антагонизм может проявляться в форме драк, которые чаще всего возникают между животными. Поза, принимаемая во время драки, одинакова у всех животных, независимо от пола [1]. Для свиней характерны два типа агрессивного поведения: укусы и удары головой (Рисунки 2-4).
Ожесточенные драки происходят между незнакомыми свиньями. Вначале они кружат друг около друга. В это время происходит взаимная оценка сил. Голова и уши подняты, животные издают громкое хрюканье. При нападении они кусаются, нанося удары рылом (в области лопаток), скрежещут зубами, выделяют много слюны в виде пены. Нападающая свинья старается схватить противника за ухо или ногу, напирая на него головой или туловищем. Оба противника стараются занять более выгодное положение и атаковать спереди.
Побежденный получает травмы различной тяжести, пытается убежать. Победитель преследует. При аномальных формах агрессии убивает.
Причиной данного поведения могут быть: высокая плотность размещения животных; незнакомые животные; конкуренция за корм, воду, сквозняки; высокая концентрация вредных газов. Негативные последствия: снижение привесов, удлинение сроков откорма у всего поголовья в клетке, рост инфекционных заболеваний. Для предотвращения или возможного уменьшения агрессивных форм поведения в станке со свиньями используют игрушки в виде цепей, погремушек и многое другое.
Все выше изложенные возможные причины возникновения нетипичных форм поведения свиней, присутствуют на крупных промышленных свиноводческих предприятиях и избежать их не представляется возможным. В связи с высоким уровнем автоматизации производственных процессов отрасли, значительно снижены трудозатраты и поголовье свиней на откорме, более чем 200 голов, может обслуживать один человек, который не всегда может своевременно выявить больных или ослабленных после драк животных. Поэтому внедрение машинного зрения в свиноводческую отрасль, является актуальным.

Рисунок 1 – Опущенный хвост у поросенка в санитарной клетке

Рисунок 2 – Укусы в область головы, с целью травмирования ушей

Рисунок 3 – Укусы в область средней части туловища

Рисунок 4 – Возможные негативные последствия продолжительных форм агрессивного поведения – убийство и канибализм
Системы цифрового зрения, при правильном обучении нейросети, могут выполнять не только сигнальную функцию, для оперативного реагирования ветеринарных специалистов, но и прогностическую, способствуя предупреждению участившихся фактов агрессивного поведения свиней внутри одной группы в станке.
Заключение. Основным фактором успешного обучения нейросети, служат многочисленные факторы повторений произошедших событий хронических или аномальных форм агрессивного поведения, которые случаются не более чем 1-2 % за весь период выращивания. Таким образом, для успешной работы в этом направлении могут выбираться два пути: 1. Длительное, которое предполагает установку систем над несколькими станками и фиксация происходящих событий в течении всего периода выращивании, где нетипичное поведение может и не наблюдаться в плоть до отправки свиней на убой; 2. Быстрое, когда при закладке бюджета на исследования, предусматриваются денежные средства предназначенные на убытки комплекса, от изменений систем содержания или моделирования ситуаций, увеличивающих количество нетипичного поведения и снижающие показатели продуктивных качеств свиней внутри хозяйства.
Практическая значимость исследования заключается в возможности использования полученных результатов руководителями и специалистами свиноводческих комплексов для оперативного и стратегического планирования и принятия решений в производстве.
DIGITAL VISION SYSTEM IS AN ESSENTIAL ASSISTANT IN GROWING FATTENING
Список литературы Система цифрового зрения - незаменимый помощник при выращивании откормочного молодняка свиней
- Комлацкий, В. И. Этология свиней / В. И. Комлацкий. – Санкт-Петербург. – Издательство «Лань», 2005. – 368 с.
- Красновская, Е. Развитие экспорта: решительный ответ на серьезный вызов / Е. красновская // Свиноводство. – 2021. – № 1. – С. 8.
- Рахматов, Л. А. Оценка и отбор свиноматок по молочной продуктивности при селекции на интенсивность роста: автореферат диссертации на соискание ученой степени кандидата биологических наук / Рахматов Ленар Адхамович // Казанская государственная академия ветеринарной медицины им. Н.Э. Баумана. – Казань, 2011. – 18 с.
- Рик, Д. 3D-камеры помогают следить за здоровьем поросят на свинофермах / Д. Рик. – https://piginfo.ru/news/3d-kamerypomogayut-sledit-za-zdorovem-porosyat-nasvinofermakh/?fbclid=IwAR0I60KXgfbad6y6qgYpn1z_blfo4upCdrqGDsjqrbLJwp8KwuzsoHn21uE. – 19.03.2022
- Nasirahmadia, А. Implementation of machine vision for detecting behaviur of cattle and pigs // А. Nasirahmadia, S.A. Edwardsa, B. Sturma // Livestock Science. – 2017. – V. 202. – P. 25-38. – https://www.sciencedirect.com/science/article/abs/pii/S1871141317301543?via%3Dihub
- Francisco, A. F. A. Image Analysis and Computer Vision Applications in Animal Sciences: An Overview / A. F. A. Francisco, J. R. R. Dórea1, G. J. M. Rosa / Front. Vet. Sci. – 2020. – https://doi.org/10.3389/fvets.2020.551269
- Parsons D. J. Real-time control of pig growth through an integrated management system / D.J. Parsons, D.M. Green, C.P. Schofield, C.T. Whittemore // Biosyst. Eng. – 2007. – V. 96 (2). – P. 257-266. – https://doi.org/10.1016/j.biosystemseng.2006.10.013.
- White, R. P. The effectiveness of a visual image analysis (VIA) system for monitoring the performance of growing finishing pigs / R.P. White, C.P. Schofield, D.M. Green [et al.] // Anim. Sci. – 2004. – V. 78(3) – P. 409-418. – https://doi.org/10.1017/S1357729800058811.
- Vander Waal, K. Translating big data into smart data for veterinary epidemiology / K. Vander Waal, R. B. Morrison, C. Neuhauser [et al.] // Front. Vet. Sci. – 2017. – P. 110. – https://doi.org/10.3389/fvets.2017.00110
- Fernández-Carrión, E. Motionbased video monitoring for early detection of livestock diseases: the case of African swine fever / E. Fernández-Carrión, M. Martínez-Avilés, B. Ivorra [et al.] / PLoS One. – 2017. V. 12(9). – https://doi.org/10.1371/journal.pone.0183793
- Wolfert, S. Big data in smart farming–a review / S. Wolfert, L. Ge, C. Verdouw, M.J. Bogaardt // Agric. Syst. – 2017. – V. 153. – P. 69-80. – https://doi.org/10.1016/j.agsy.2017.01.023.