PickAMoo: сегментация Mask R-CNN с поддержкой LIDAR для точной оценки веса молочного скота по снимкам со смартфона

Зачем взвешивать коров бесконтактно

Для молочных фермеров знание веса каждой коровы критично для назначения кормовых рационов, мониторинга здоровья и принятия селекционных решений. Однако постановка животных на весы требует времени, оборудования и часто стрессовых манипуляций. В этом исследовании проверяют, может ли обычный смартфон с датчиком глубины и современными методами анализа изображений оценивать вес коровы по фотографии, сделанной в стойле, превращая рутинную операцию в быстрый, бесконтактный снимок.

Проблемы с рулетками и тяжёлым оборудованием

На многих фермах вес по-прежнему оценивают визуально, обмеряя грудную клетку рулеткой или пропуская животных через стационарные весы. Эти методы работают, но требуют навыков, времени и близкого контакта с крупными животными. Они также могут давать неточные результаты для некоторых пород или очень тяжёлых коров, поскольку форма тела варьируется. Недавние исследования показали, что камеры и компьютерное зрение способны считывать размеры и форму тела по изображениям, но большинство существующих систем опираются на стационарные 3D-камеры и тщательно оборудованные дорожки, которые дороги и сложны в установке в обычных стойлах.

Преобразование смартфона в инструмент для стойла

Исследователи разработали рабочий процесс вокруг портативного смартфона, который многие фермеры уже имеют. Они сосредоточились на моделях iPhone с встроенным датчиком глубины (LiDAR), который помогает телефону определять расстояние до коровы. Специальное приложение PickAMoo направляет пользователя на нужное расстояние и угол, чтобы корова целиком попадала в кадр. В полевых испытаниях на двух шведских опытных фермах команда собрала почти 3000 изображений более чем 500 коров, а также реальные веса с автоматических весов и набор традиционных измерений рулеткой для сравнения.

Обучение телефона распознавать форму коровы

Следующая задача заключалась в том, чтобы научить компьютер выделять контур коровы на фоне загруженной сцены стойла. Команда вручную обвела точные границы коров более чем на 500 фотографиях и использовала эти примеры для обучения современной модели сегментации изображений Mask R-CNN. Среди нескольких протестированных версий лучше всего показала себя модель на базе ResNet-101, которая в большинстве случаев корректно отделяла корову от фона. По этим контурам система вычисляла простые признаки формы, такие как высота, длина и проекционная площадь тела, а затем корректировала их с учётом показаний глубины, чтобы обеспечить сопоставимость коров, снятых на разных расстояниях.

От контура к весовой категории

Вместо предсказания точного веса до килограмма исследователи разделили коров на девять весовых категорий, похожих на практическое мышление фермера в диапазонах. Они обучили модель машинного обучения связывать скорректированные по масштабу признаки формы с этими категориями, при этом тщательно избегали «коротких путей», которые могли бы утекать информацию из тестовых данных в тренировочную выборку. При проверке на отдельной группе коров, не участвовавших в построении модели, система на смартфоне отнесла животных к правильной весовой категории примерно в 90–96% случаев. Большинство ошибок были лишь на одну категорию в сторону, то есть оценка в целом была близка к истинному весу даже при несовершенстве. По сравнению с традиционными формулами на основе рулетки новый метод избегал некоторых породных ошибок, наблюдаемых у более тяжёлых шведских красных коров.

Что это означает для повседневного фермерства

Исследование показывает, что в реалистичных условиях стойла телефон в руках рабочего может давать полезные бесконтактные оценки веса молочных коров, сочетая датчик глубины, точную сегментацию изображений и специализированный алгоритм обучения. Хотя это не заменит калиброванные весы, когда требуются точные измерения, метод может поддерживать частые, малозатратные проверки, помогающие корректировать кормление, отслеживать изменения веса с течением времени и выявлять животных, требующих более внимательного наблюдения. При дальнейшем тестировании на большем числе пород и типов ферм, а также при оптимизации ПО для полной работы прямо на устройстве такие инструменты могут сделать точное взвешивание крупного рогатого скота более доступным и менее стрессовым как для животных, так и для людей.

Цитирование: Guzhva, O., Ternman, E., Lindberg, M. et al. PickAMoo: LIDAR-enhanced mask R-CNN segmentation for precision weight estimation in dairy cattle using smartphone imaging. Sci Rep 16, 16020 (2026). https://doi.org/10.1038/s41598-026-54742-3

Ключевые слова: молочный скот, съёмка смартфоном, LiDAR, компьютерное зрение, оценка веса