Сравнение эффективности видеомоделей глубокого обучения и обученных ветеринаров в оценке боли у крупного рогатого скота

Почему важно читать выражения коров

Боль у сельскохозяйственных животных — это и проблема благополучия, и экономическая задача: животные, испытывающие боль, хуже едят, растут медленнее и могут страдать молча. В отличие от людей, коровы не могут сказать, где у них болит, и даже опытные ветеринары иногда пропускают тонкие признаки. В этом исследовании поставлен резонный вопрос с реальными последствиями: сможет ли система искусственного интеллекта, анализируя обычное видео коров, сопоставимо или даже лучше определить, какие животные испытывают боль после операции, по сравнению с обученными ветеринарами?

Скрытая боль в осмотренных стадах

Коровы — животные-жертвы, и в ходе эволюции они научились скрывать слабость. Это усложняет обнаружение боли, даже для экспертов, а существующие шкалы оценки требуют времени и отчасти субъективны. Ветеринары обычно оценивают боль по чек‑листам поведения и мимики, например по походке, взаимодействию с сородичами, а также по виду глаз, ушей и рыла. Эти инструменты повышают согласованность оценок, но по‑прежнему зависят от человеческого суждения, подготовки и условий наблюдения. На загруженных коммерческих фермах применение таких подробных шкал ко всем животным часто непрактично.

Преобразование амбарных видео в данные

Авторы опирались на предыдущие исследования по другим видам — кошкам, собакам, кроликам, овцам и лошадям — где компьютеры научились распознавать боль по изображениям. Здесь внимание сосредоточили на молодых бычках, которым проводили рутинную кастрацию. Семнадцать животных двух распространённых мясных пород снимали в их загонах примерно по три минуты в несколько временных точек до и после операции. Для сравнения ключевым стал момент до операции, принятый за безболезненный, и ранний постоперационный момент, когда ожидалась острая боль. Из этих записей команда извлекала по одному кадру в секунду и автоматически кадрировала область головы каждого животного, получая упрощённый набор крупным планом лиц и верхней части тела крупного рогатого скота.

Как компьютер учится «читать» корову

Каждый кадр, обрезанный по голове, преобразовывали в компактное числовое описание — некую визуальную «отпечаток» — с помощью современного визуального трансформера, предварительно обученного на больших коллекциях изображений. Эти отпечатки затем подавали в простой классификатор, который учился разделять «боль» и «без боли» по размеченным примерам. Вместо громоздкой предобработки или многократных циклов дообучения авторы сделали конвейер эффективным, с расчётом на практическое развертывание на фермах, где ресурсы вычислений и технический опыт могут быть ограничены. Для каждого трёхминутного видео система выносила решение большинством голосов по всем кадрам, что позволяло фиксировать мимолётные изменения выражения и позы, которые одиночный снимок мог бы пропустить.

Человек против машины в клинике

Чтобы оценить, насколько хорошо работает ИИ, его результаты сравнили с результатами двух обученных ветеринарных анестезиологов, применявших устоявшиеся шкалы боли. Шкала боли для крупного рогатого скота UNESP‑Botucatu ориентирована на поведенческие проявления — движение, аппетит, взаимодействие, тогда как Bovine Grimace Scale фокусируется на чертах лица, например напряжении век и положении ушей. Ветеринары оценивали боль как вживую во время операций, так и позднее по записанным видео. Компьютер, работая только с видео, достиг примерно 97-процентной точности и F1‑меры — сбалансированной характеристики правильных срабатываний «боль/нет боли» — почти 97 процентов. Это показало лучшие результаты по сравнению с оценками людей по видео и было статистически сопоставимо с оценками ветеринаров в реальном времени у загонов животных.

Что это означает для коров и фермеров

Для неспециалиста вывод прост: корректно спроектированная система ИИ, анализирующая обычное видео, может выявлять боль у крупного рогатого скота примерно так же хорошо, как опытные ветеринары, а иногда и более последовательно. Это вовсе не означает замену ветеринаров; скорее, речь о будущем, где камеры тихо наблюдают за стадами круглосуточно и отмечают животных, которые, вероятно, испытывают боль, чтобы люди могли вмешаться раньше. Исследование пока небольшое и сосредоточено на одном типе операции, а также сводит боль к бинарному решению. Тем не менее оно демонстрирует концепцию: машины могут помочь обнаруживать скрытые страдания сельскохозяйственных животных, улучшая их качество жизни и эффективность животноводства.

Цитирование: Feighelstein, M., Tomacheuski, R.M., Elias, G. et al. Comparing the performance of deep learning video-based models and trained veterinarians in cattle pain assessment. Sci Rep 16, 9318 (2026). https://doi.org/10.1038/s41598-026-39604-2

Ключевые слова: распознавание боли у животных, благополучие скота, ветеринарный искусственный интеллект, компьютерное зрение, мониторинг здоровья сельскохозяйственных животных