кейс
Мониторинг состояния здоровья крупного рогатого скота
Подготовка MVP системы мониторинга состояния крупного рогатого скота для трех молочных ферм
О проекте
Мы получили запрос от китайского агрохолдинга на разработку MVP системы для наблюдения за состоянием крупного рогатого скота.
С помощью этого проекта холдинг намеревался оценить и востребованность бизнес-ценность системы диагностики мастита, хромоты и эструса.
Технологический стек
PostgreSQL
Keras
MLflow
TensorFlow
Apache Kafka
Python
R
OpenCV
PyTorch
Docker
Индустрия
АгроТех, Искусственный интеллект и машинное обучение
Команда
4 человек
Продолжительность работы
5 месяцев
Вызовы проекта
Подготовка комплексного решения для ранней диагностики заболеваний у крупного рогатого скота
Наша работа
Этап 1
Анализ существующего на рынке оборудования
Этап 2
Решение проблемы с оборудованием
Этап 3
Разработка
Этап 4
Определение параметров контроля
Этап 5
Цикл разработки аппаратной части
1 этап
Анализ существующего на рынке оборудования
Прежде всего, перед нами была стояла задача по разработке, настройке и синхронизации работы сенсоров, систем подвижной и стационарной коммуникации. Правильный выбор и настройка оборудования обеспечивает успешное функционирование аналитических модулей. Одним из основных компонентов любой системы мониторинга являются сенсоры и системы передачи данных. Контроль за состоянием и поведением коров требует особых подходов, учитывающих физиологические и технологические факторы. В мире производится большое количество различных аппаратных средств. Многие производители навязывают использование собственных облачных ресурсов, что являлось неприемлемым для нас по соображениям безопасности.
Технические ограничения и возможности оборудования выступали другим важным фактором при выборе сенсоров. Главное ограничение этого рода состояло в том, что ни один производитель на рынке не выпускает весь спектр сенсоров для решения нашей задачи. Поэтому было принято решение о глубокой модернизации и кастомизации отдельных компонентов оборудования, производимых разными компаниями.
Процесс модернизации и кастомизации отдельных компонентов оборудования (сенсоров, датчиков)
2 этап
Решение проблемы с оборудованием
Для эффективной организации работы с сенсорами и коммуникационным оборудованием мы организовали серию тестов в лабораторных условиях. Оснащение лаборатории позволяло не только осуществлять полный цикл разработки и сборки электронных устройств, но и проводить тестирование в различных условиях.
Например, состав оборудования включал:
- многоканальные осциллографы
- анализаторы спектра
- мульти-спектральную камеру
- источники когерентного света (инфракрасные и ультрафиолетовые)
- тепловизор
- пирометры
3 этап
Разработка
Мы аппаратную часть разделили на несколько групп:
Группы аппаратной части
По договоренности с заказчиком, наши системы должны были собирать информацию постоянно, независимо от того находится животное на ферме или в поле.
Передача информации в хранилище данных осуществляется двумя путями:
- От стационарных сенсоров на территории ферм пакетами каждые 8-10 минут
- От носимых сенсоров при выпасе в поле автоматически после возвращения стада на ферму
4 этап
Определение параметров контроля
Проконсультировавшись с клиентом и экспертами, наша команда определила следующий перечень контролируемых параметров:
- пройденная дистанция и скорость
- количество времени, проведенного на одном месте
- фиксация фактов питания и питья
- выявление отклонений в процессе питания (руминация) и в походке
- геопозиция, положение тела и его частей в пространстве
- судороги
- базовые жизненные показатели
- положение относительно других животных
- параметры молока, соблюдение режима дойки и кормления
- производительность по молоку
- микроклимат в помещениях и на улице
- заболеваемость
- характеристики беременности
5 этап
Цикл разработки аппаратной части
Описание стека оборудования
Для животных
- Микрорадары шведского производства для контроля за частотой сердечных сокращений
- 6-ти осевые акселерометры
- закрепленные на ошейнике с разных сторон
- электретные микрофоны
- трекер геопозиции
- wifi трекер для точного контроля позиции внутри помещений
- RFID метка
- несколько контактных датчиков температуры
- контроллер для сбора
- хранения и передачи информации
Для разработки многофункционального ошейника для коров мы в лаборатории создали полноразмерный подвижный симулятор головы. В основном мы использовали сенсоры которые были произведены на китайских заводах, тщательно отбирая их по качеству, отбраковывая 15-17 сенсоров из партии в 20 шт.
Наибольшие трудности мы испытали при разработке термометрического анализа задней части животного и вымени, температура которых предоставляет важнейшую информацию для ранней диагностики заболеваний. Промышленные термосенсоры отличались неточностью и выдавали зашумленные данные. Широкий угол обзора и низкая температурная стабильность заставляла нас постоянно перенастраивать систему. Мы разработали дополнительные фильтры и изменили конструкцию. Проблема термометрического анализа была решена.
Для персонала
Разработано компактное персональное устройство. В него монтировались трекер перемещений, микрофон, RFID метка, контроллер для хранения и передачи информации
Стационарное оборудование на фермах
- видеокамеры
- анализаторы метана и углекислого газа
- сенсоры температуры
- сенсоры влажности
- сенсоры освещенности
- сенсоры скорости и направления ветра
- инстанционные термодатчики (пирометры)
- датчики для измерения уровней (корм, вода, навоз и т п)
- сетевое оборудование для передачи данных на сервер
Видеокамеры для мониторинга поведения животных и их физического состояния
Видеопоток постоянно поступает на север для анализа активности коровы и ее здоровья. Например, для автоматического анализа физического состояния в баллах (Body Condition Scoring (BCS)) крайне важны физическое расположение камер и освещенность. На фермах не было возможности для размещения оборудования в нужных нам местах, поэтому была разработана недорогая, но эффективная тросовая конструкция для перемещения камеры в ограниченном пространстве.
Нательные сенсоры для животных
Оценка физиологических параметров в течение дня используется нашей системой мониторинга, чтобы спрогнозировать продуктивность животных и предупредить заболевания в начальной стадии. Мы впервые применили микрорадары и акустические сенсоры для решения таких задач. Фиксация позиция сенсора на теле и обеспечение надежного контакта с кожей представляли собой основной вызов в этой части работ.
Совместно с заказчиком мы провели более ста экспериментов, пока оптимальное решение не было найдено. Например, частотная характеристика процессов дыхания или пережевывания пищи имеет максимумы на определенных частотах. Но для разных пород животных эти показатели частотности разные, что стало открытием для многих
Настройка аналитических модулей
Часть нашей исследовательской команды около пяти месяцев находилась на фермах заказчика и тестировала оборудование в реальных условиях. Особенно напряженной была работа с модулями видеоаналитики. Наши инженеры не сразу нашли оптимальный стек. В итоге мы пришли к использованию Machine Learning на базе нейронных сетей семейства YOLO, которые считаются одними из наиболее быстрых и точных алгоритмов для мониторинга объектов в реальном времени.
Поскольку речь идет о сборе и агрегации потоковых данных из нескольких источников, в данном решении используется Apache Kafka. А для распределенной аналитической обработки применяется Apache Spark Structured Streaming. Наконец, в качестве основы была выбрана высокоскоростная NoSQL Cassandra, которая может обрабатывать как структурированные, так и неструктурированные данные. Для простоты развертывания и сопровождения каждый компонент решения (Apache Kafka, Spark и Cassandra) упакован в Docker-контейнер.
Со стороны оборудования мы остановились на HD камерах Hikvision с инфракрасной подсветкой. Тем самым мы решили проблему получения данных в ночное время, что важно для контроля за родами и поведением молодняка.
При тестировании микрорадаров мы столкнулись с проблемой высокого поглощения сигнала телом животного. Частота излучения 50-60 ГГц позволяет измерять перемещения менее 1 мм (например стенки сердца), но сильно поглощается мышечной тканью.
Поэтому мы разработали специальную радиолинзу, точнее систему из нескольких радиолинз (как в микроскопе), и разместили несколько сенсоров на теле. Это позволило получить более точную информацию с меньшими искажениями.
Кроме сенсоров, заказчик согласовал установку на голове коровы компактных направленных микродинамиков (как акустический лазер) для стимулирования коров различными звуками. Важно было, чтобы соседние коровы их не слышали. Мы использовали специальный DSP процессор для обработки исходных аудиосигналов в направленный звук.
Результаты проекта
Все аппаратные комплексы были созданы, протестированы, а некоторые элементы произведены для стада в 3000 коров и трех молочных ферм.
Информация с датчиков в полной мере обеспечивает работу нашей системы мониторинга.
Подготовленный MVP способен увеличить надои на 28-30% и снизить издержки (включая уровень заболеваний, падеж, снижение продуктивности) на 20-22%.
Давайте обсудим ваш проект
Заполните форму или свяжитесь удобным для Вас способом
Остались вопросы?
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности