Создание AI-системы ветеринарной диагностики по сенсорам и видео

Корова потребляет 60–70 литров воды в день. Падение потребления на 30% — первый признак субклинического мастита или начала кетоза. Без автоматического мониторинга фермер замечает это на 3–5-й день, когда продуктивность уже снижена. Мы создаём системы ветеринарной диагностики на основе компьютерного зрения и IoT-сенсоров, которые опережают клинические симптомы на 2–4 дня. Наш опыт — более 30 внедрений на фермах России и СНГ. Согласно исследованию точность прогноза не ниже 0.8 AUC-ROC для основных патологий, а окупаемость пилотного проекта составляет менее года.

Как мы определяем мастит за 48 часов?

Система анализирует два потока данных: поведение по видео и физиологию по сенсорам. Для каждой коровы строится временной профиль, отклонения от которого — сигнал тревоги. Например, снижение времени жвачки ниже 380 минут/день указывает на ацидоз рубца с точностью 87%.

Поведенческий анализ по видеопотоку

Камеры над стойлами работают круглосуточно. Нейросеть решает задачу multi-object tracking + action recognition:

• Детекция: YOLOv8 или DETR, fine-tuned на конкретной ферме.
• Трекинг: ByteTrack или BoT-SORT для устойчивого ID через окклюзии.
• Классификация действий: I3D или SlowFast на временных окнах 8–16 кадров.

Сложность — re-identification при одинаковом внешнем виде. Для голштинских коров используем уникальный паттерн пятен, для других пород — ear tag detection или ArcFace-подобный подход.

Физиологические сенсоры и фьюжн с видео

Шейные болюсы (Allflex, SCR by MSD) передают температуру, pH рубца и активность каждые 10–15 минут. Термографические камеры FLIR A50/A70 фиксируют тепловой профиль: асимметрия вымени >1.5°C — ранний признак мастита с чувствительностью 0.84.

Мультимодальная модель принимает на вход временной ряд от IoT и агрегированные поведенческие признаки из видео. Архитектура — LSTM или Temporal Transformer для рядов, MLP для статических признаков (порода, лактация, история болезней), конкатенация эмбеддингов перед финальным классификатором.

Результаты на датасете 230 коров за 18 месяцев (Московская область):

Почему мультимодальный фьюжн точнее отдельных модальностей?

Сравните: видеомодель без сенсоров даёт AUC-ROC 0.79 для мастита, сенсоры без видео — 0.76. Фьюжн поднимает показатель до 0.87 — это на 10–15% выше, чем каждая модальность по отдельности. Мы внедряем такой подход во все проекты.

Детекция хромоты — отдельный глубокий анализ

Хромота — главная причина выбраковки. Вместо субъективной шкалы Sprecher мы автоматизируем оценку: анализ походки по видео прохода через калитку-весы. Ключевые признаки: step asymmetry, arc of back, head bob. Извлекаем их через pose estimation на основе ViTPose или AP-10K (предобучены на крупном рогатом скоте). Классификатор на 12 ключевых точках скелета + LSTM на 30 кадрах даёт согласованность с ветеринаром 87% против 64% у силуэтного метода.

Что даёт интеграция с фермерским ПО?

Система не просто детектирует патологии — она передаёт алерты и графики напрямую в DairyComp 305, Uniform Agri или TimescaleDB. Фермер видит на дашборде: прогноз мастита за 48 часов, динамику хромоты, тренды активности. Интеграция сокращает время реакции до 2–3 часов.

Сравнение методов диагностики

Что входит в работу

• Аудит фермы и подбор оборудования (камеры, сенсоры, edge-сервер).
• Сбор и разметка данных (минимум 2 недели видеозаписей).
• Обучение моделей для детекции, трекинга и классификации.
• Интеграция с вашей инфраструктурой (TimescaleDB, Grafana, Telegram-алерты).
• Обучение персонала и документация.

Инфраструктура

• Камеры: Axis P3245-V (IP66, PoE) в коровнике, FLIR A50 над калиткой.
• Edge: NVIDIA Jetson AGX Xavier — обрабатывает 8 потоков HD.
• Dashboard: Grafana или интеграция с Uniform Agri, DairyComp 305.

Сроки и оценка

Поведенческий мониторинг для одного объекта: 8–12 недель. Комплексная платформа: 4–6 месяцев. Свяжитесь с нами — мы оценим вашу ферму за 2 дня и предложим пилотный проект под ключ. Средняя экономия на лечении и потерях продуктивности — до 30% после внедрения. Получите консультацию инженера по оборудованию и выбору моделей.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.