В мире стремительно развивающихся технологий, где искусственный интеллект уже прочно вошел в нашу повседневность, порой встречаются задачи, которые кажутся по-настоящему новаторскими. Мы в NeuroCore привыкли к нестандартным вызовам – от простых сборов изображений до создания сложнейших датасетов. Но сегодняшний кейс, связанный с видеоаналитикой на ферме и предотвращением смешивания табунов, стал одним из самых запоминающихся. Он показал, как в условиях жесткого дедлайна и, казалось бы, непреодолимых трудностей, наше умение создавать системы видеоаналитики и индивидуальные проекты искусственного интеллекта позволяет не только выполнить поставленную цель, но и значительно превзойти ожидания.
Наш путь к инновациям начался несколько лет назад, когда к нам обратился заказчик с необычной, но крайне важной для его бизнеса задачей. Ему требовалась нейросеть, способная однозначно идентифицировать каждую лошадь в табуне, чтобы исключить их нежелательное смешивание.
Эта проблема, на первый взгляд специфичная, имеет глубокие корни в практике коневодства. Поддержание строгой социальной иерархии в табуне, возглавляемом доминирующим самцом, критически важно для здоровья и спокойствия всего стада, обеспечивая животным приоритетный доступ к жизненно важным ресурсам. Смешивание табунов ставило под угрозу эту устоявшуюся иерархию, вызывая стресс и конфликты, что негативно сказывалось на благополучии животных.
Заказчику нужна была не просто технология, а прорывной, инновационный подход к сбору данных для реализации этого проекта.
Введение в биометрию: От человека к лошади
Прежде чем углубиться в детали нашего проекта, давайте вспомним, как работает биометрия в привычном для нас мире.
Биометрия — это наука, изучающая уникальные физические и поведенческие характеристики, такие как отпечатки пальцев, голос или черты лица. Благодаря этим данным создаются базы, обеспечивающие высокий уровень безопасности, позволяющие идентифицировать личности и контролировать доступ.
Биометрические системы видеоаналитики способны распознавать посторонних и мгновенно реагировать, что незаменимо в охране конфиденциальной информации и на публичных объектах.
Теперь представим, что те же принципы необходимо применить к лошадям. Заказчик хотел, чтобы наша нейросеть создавала биометрическую базу для каждого животного, позволяя мгновенно идентифицировать лошадь по видеокамерам и определять ее принадлежность к табуну. В биометрии человека, как правило, достаточно 5-10 фотографий для обучения модели, которая затем с 99% точностью распознает лицо даже с маской или очками. Однако в области видеоаналитики для лошадей мы были первопроходцами, ступив на абсолютно неизведанную территорию.
Вызов: Создание «цифрового табуна»
Перед тем как начать активную фазу проекта, мы провели тщательное исследование, чтобы оценить масштабы задачи: возможно ли вообще собрать 10 000 уникальных лошадей, по 10 фотографий каждой? Изучение доступных источников — YouTube, TikTok, ВКонтакте — показало, что объем материала достаточен.
Требования к датасету были жесткими:
- Создать «цифровой табун» из 10 000 уникальных лошадей.
- Для каждой лошади собрать по 10 фотографий.
- На каждом изображении должны быть четко видны 5 ключевых точек морды лошади.
- Прямоугольник, ограничивающий морду, должен быть не менее 224 пикселей в высоту.
Мы с энтузиазмом принялись за работу.
Тупик: Медленный прогресс
На начальном этапе мы использовали все доступные инструменты: парсеры, готовые датасеты, а также ручной поиск. Однако реальность оказалась сложнее, чем наш первоначальный оптимизм. Мы столкнулись с тем, что на большинстве ресурсов использовался один и тот же материал или одни и те же лошади, что критически замедляло сбор уникальных данных. Наши автоматизированные инструменты часто собирали дубликаты, ошибочно идентифицируя их как разных животных из-за примененных фильтров. Кроме того, огромное количество изображений не подходило по качеству или ракурсу.
Команда проявляла невероятную изобретательность в поисках:
- Использовались запросы, связанные с конными профессиями и прогулками с лошадьми.
- Искали по хештегам на разных языках.
- В ход шли поиски конно-спортивных клубов, частных конюшен и ферм, аукционов.
- Применялся поиск по геолокации в разных странах.
За два месяца таких усилий мы собрали лишь 30 000 изображений, представляющих 3 000 уникальных лошадей — всего 30% от необходимого объема. Дедлайн неумолимо приближался, а новогодние праздники и необходимость закрыть год усугубляли ситуацию. При таком темпе мы получали около 500 подходящих изображений в день. Было очевидно: нужно кардинально менять подход, иначе проект будет провален.
Решение NeuroCore: Нейросеть для ускорения сбора данных
Когда ситуация казалась безвыходной, и репутация компании висела на волоске, мы приняли смелое решение: использовать уже имеющиеся у нас наработки в области искусственного интеллекта для автоматизации самого процесса сбора данных. Мы обучили детектирующую нейросеть на уже собранном материале. Эта модель была способна не только определять наличие лошади в кадре, но и проверять ключевое условие — видимость пяти заданных точек морды. Таким образом, видеоаналитика позволила нам отсеивать непригодные кадры и получать на выходе только те изображения, которые идеально подходили для включения в датасет.
Для дальнейшей автоматизации мы разработали специализированный Telegram-бот. Ему можно было загружать архивы изображений и видео, скачанных из различных Telegram-каналов. Бот, в свою очередь, передавал данные нашей нейросетевой модели для обработки. При успешной идентификации уникальной лошади, бот автоматически нарезал фотографии и сохранял их в отдельные папки в базе данных. Оставалось лишь найти тематические Telegram-каналы, загрузить медиаматериалы и «скормить» их боту.
Триумф: Десятикратный рост эффективности сбора данных
Новый подход оказался невероятно эффективным. За 13 дней, используя нашу новую систему, мы смогли собрать 70 000 изображений, представляющих 7 000 новых уникальных лошадей, причем для каждой было минимум 10 фотографий.
- Старый метод: ~500 изображений в день.
- Новый метод: ~5 384 изображения в день.
Это означало, что эффективность сбора данных возросла более чем в 10 раз! Благодаря этому революционному изменению, мы не только успели собрать весь необходимый материал, но и быстро разметили его, обучили финальную модель и предоставили заказчику готовый к использованию модуль.
Ключевые выводы для бизнеса: Уроки от NeuroCore
Этот кейс с видеоаналитикой стада и применением искусственного интеллекта в агропроме подчеркивает несколько важных уроков, актуальных для директоров по автоматизации и владельцев бизнеса в любой сфере:
- 1. Автоматизация рутинных задач с помощью ИИ — это не просто тренд, а жизненная необходимость. Она не только сокращает время и ресурсы, но и открывает новые возможности, ранее казавшиеся недостижимыми.
- 2. Инновации часто рождаются на стыке переосмысления существующих технологий. Иногда решение сложной задачи лежит не в создании чего-то абсолютно нового, а в творческом применении уже имеющихся наработок под другим углом.
- 3. Не стоит недооценивать важность гибкости и готовности к изменению стратегии. В быстро меняющемся мире способность оперативно адаптироваться к новым вызовам — залог успеха.
История нашего проекта по видеоаналитике для конюшен — это яркое подтверждение того, как NeuroCore использует российский искусственный интеллект для решения самых сложных задач, превращая вызовы в возможности. Мы готовы разработать индивидуальный проект искусственного интеллекта специально для вашего бизнеса, будь то ферма, производственное предприятие или логистическая компания. Обращайтесь к нам, и мы покажем, как системы видеоаналитики и интеллектуальные решения могут вывести вашу компанию на новый уровень эффективности и инноваций.