В рамках научного проекта, реализуемого в Yessenov University, разрабатывается интеллектуальная система для мониторинга состояния сельскохозяйственных животных. Этот проект, который возглавляет ассоциированный профессор Олег Иващук, направлен на использование передовых технологий искусственного интеллекта и компьютерного зрения для анализа физиологических и поведенческих характеристик животных без необходимости физического контакта.
Актуальность и цели исследования
Проект стал особенно актуальным в условиях Мангистауской области, где аридный климат и ограниченные кормовые ресурсы создают высокие производственные риски в животноводстве. Раннее обнаружение отклонений в состоянии животных и прогнозирование их продуктивности являются важными шагами к устойчивому развитию отрасли. Использование данных для принятия управленческих решений поможет улучшить результаты в этой сфере.
Разработка технологий и алгоритмов
В рамках данного проекта разрабатываются различные алгоритмы компьютерного зрения, которые позволяют обрабатывать видеоданные и автоматически идентифицировать животных. Создание цифровых профилей для каждого животного и анализ их поведенческих паттернов с использованием глубоких нейронных сетей обеспечивают более точный мониторинг. Программно-аппаратный комплекс, который разрабатывается, интегрируется с мобильной робототехнической платформой и инфраструктурой для обработки больших данных.
Практическая значимость и результаты
Система, разрабатываемая в рамках проекта, позволяет анализировать тысячи наблюдений ежедневно, оценивая активность животных, их потребление корма и поведение в группе. Результаты работы уже были протестированы в реальных условиях, где был создан интеллектуальный кормораздатчик с модулем компьютерного зрения и внедрена стационарная система видеомониторинга на ферме. Также разработана мобильная платформа для анализа состояния животных.
Научные достижения
Проект не только способствует раннему выявлению заболеваний и снижению производственных затрат, но и способствует переходу к модели управления, основанной на данных. В результате работы по проекту опубликованы четыре научные статьи в журналах, индексируемых в базе данных Scopus, а также получен патент на полезную модель в Республике Казахстан и поданы две заявки на патенты.