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 | УДК: 636.4.033
Digital vision system is an essential assistant in growing fattening young pigs
The introduction of artificial intelligence systems using digital vision in pig breeding is being actively implemented by the world's leading countries. For the first time in Russia, thanks to the joint work of the information department of the Belgorod REC, the Center for Artificial Intelligence Technologies of the Institute of Management Problems named after. V.A. Trapeznikov of the Russian Academy of Sciences (IPU RAS) and the scientific team of the Kazan GAVM, was created and put into operation, at the experimental site for fattening pigs in Agro Belogorye LLC, the Aibolit digital vision system.
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.