Кадровый вопрос в животноводческой отрасли стоит очень остро: отток населения из сельской местности, сложности с наймом трудовых мигрантов в период пандемии, а теперь и изменившаяся политическая ситуация усугубили проблему.
Цифровизация в животноводстве
Тенденция к автоматизации технологических процессов с целью сокращения ручной работы и трудозатрат очевидна: меньшие траты времени на отдельное животное позволяют управлять большими стадами и экономить ресурсы за счет эффекта масштаба. На многих фермах роботы уже и в России справляются с доением и помогают с кормлением, а сенсорные технологии поддерживают системы управления стадом.
Они и мы
Европейские фермеры уверены, что цифровизация открывает совершенно новые возможности для согласования производственной эффективности и ожиданий общества, позволяя улучшить условия содержания животных. Использование цифровых технологий всегда сопряжено с затратами, а ставка на минимальные издержки открывает перспективы лишь тем решениям, которые не повлекут увеличения себестоимости продукции.
А вот отечественных аграриев интересуют в первую очередь решения по повышению производительности труда работников, а не улучшению благополучия животных или защите окружающей среды.
Следи за поведением
Но хозяйства нуждаются не только в рабочих руках – все более значимой становится помощь техники в принятии управленческих решений: специалистов высокого уровня найти непросто, да и время их стоит недешево. Поэтому разработчики уделяют столько внимания возможностям упрощения анализа и интерпретации данных и «перевода» их на язык готовых рецептов к действию, доступных пониманию «на местах».
В основе подготовки таких рецептов лежит сочетание данных, полученных от разнообразных датчиков и компьютерных программ, которые с учетом определенных закономерностей обрабатывают информацию и по определенным алгоритмам выстраивают картинку, делая ее наглядной. Поступление этих данных в цифровой форме сделали доступным и их последующую обработку. Однако закономерности, с которыми машине следует сопоставить данные, должны сперва обнаружить и описать ученые.
Не только учет
Полученные от сенсоров данные могут использоваться и храниться как на уровне информации об отдельном животном, так и агрегироваться до средних значений по группе, а впоследствии сопоставляться с данными по другим группам (или с нормативными показателями). Однако у этого подхода есть ограничения: любые машинные алгоритмы работают с символами (буквами, цифрами) и их последовательностями, а то, что невозможно как-то обозначить, остается для них за кадром. Поэтому алгоритмы успешно применяются только в тех процессах, которые поддаются формализации и математическому описанию.
Человеческий глаз (и мозг) легко определяет, лежит корова или стоит, жует ли она жвачку. А вот искусственному интеллекту нужно сформулировать пояснение. Так, разрабатывая сенсор Rumiwatch, который поставляет информацию о жвачной активности коровы, исследователи принимали за одну единицу жвачки не менее чем двадцать жевательных движений, а вот последовательности из 90 и более обозначили как два отдельных самостоятельных эпизода пережевывания жвачки.
Полная версия доступна в печатном и электронном виде
Вы можете оформить подписку на издание в печатном виде на сайте agrodelo.ru или электронном виде в магазинах Google Play и App Store.