Проект «Око ЛПХ» — это мобильное приложение с нейросетевой видеоаналитикой, предназначенное для раннего выявления заболеваний и стрессовых состояний крупного рогатого скота в личных подсобных хозяйствах и на малых фермах. Продукт относится к таким группам критических технологий как Агротехнологии (защита сельскохозяйственных животных, ветеринарный мониторинг) и Информационно-коммуникационные технологии (защищённое программное обеспечение, системы хранения и защиты информации, технологии искусственного интеллекта). Ядро системы построено на технологиях компьютерного зрения и нейросетей, работающих непосредственно на смартфоне пользователя.

Проблема заключается в том, что при традиционном визуальном осмотре мастит, хромота, кетоз и другие болезни выявляются только спустя три‑семь дней после начала субклинической стадии, когда надой уже снизился на 10–30 процентов, а лечение обходится в три‑пять раз дороже. В каждом пятом случае животное погибает или выбраковывается, нанося хозяйству прямой убыток в 40–80 тысяч рублей. Существующие альтернативы либо неэффективны (точность визуального осмотра не превышает 40–50 процентов), либо дороги и сложны (импортные датчиковые системы Allflex, CowManager, Nedap требуют покупки оборудования от 50 тысяч рублей на стадо, монтажа и регулярного интернета), либо недоступны (выезд ветеринара в сельской местности стоит 1000–3000 рублей за визит и не всегда возможен оперативно). В результате совокупные ежегодные потери от болезней КРС в сегменте ЛПХ оцениваются в 5–7 миллиардов рублей по России, причём внедрение доступной ранней диагностики способно сократить эти потери на 30–40 процентов, то есть сохранить до 2 миллиардов рублей ежегодно.

Решение, которое предлагает проект, — мобильное приложение «Око ЛПХ» для iOS и Android, использующее нейросетевую видеоаналитику. Владелец животного снимает корову на камеру смартфона в течение 30–60 секунд (в движении и покое), приложение прямо на устройстве (без необходимости постоянного интернета, что критично для сельской местности) анализирует походку, симметрию шагов, состояние вымени, поведение и упитанность. Через минуту пользователь получает индекс хромоты (0–100%), риск мастита (0–100%), прогноз отёла за 24 часа или охоты, а также конкретную рекомендацию (наблюдать, показать ветеринару, вызывать врача). Все данные сохраняются в электронном паспорте животного, формируя историю здоровья, а при критических изменениях поступает push‑уведомление. Подписка на сервис стоит 300–500 рублей в месяц — это ниже цены одного вызова ветеринара и не требует покупки никаких датчиков или дополнительного оборудования.

Целевая аудитория проекта разделяется на три сегмента. Первый — владельцы ЛПХ с одной‑десятью коровами, которых в России насчитывается около полутора‑двух миллионов хозяйств. Это люди 45–65 лет, проживающие в сельской местности, с доходом ниже среднего, для которых каждая корова является источником молока и небольшого заработка. Второй сегмент — малые фермы и крестьянско-фермерские хозяйства с поголовьем от 11 до 100 коров (более 40 тысяч хозяйств), нуждающиеся в бюджетной цифровизации. Третий, партнёрский сегмент — сельские ветеринарные станции и сельскохозяйственные кооперативы, которые могут использовать приложение для удалённого контроля курируемого поголовья и включения подписки в членские пакеты.

Анализ рынка показывает, что общий объём рынка программного обеспечения для управления скотоводством в России (TAM) составляет сотни миллиардов рублей, и внедрение технологий искусственного интеллекта в АПК способно дополнительно приносить сельскому хозяйству до 500 миллиардов рублей операционной прибыли ежегодно. Доступный рынок в сегменте цифровых сервисов для малых ферм и ЛПХ (SAM) оценивается в 1,04 миллиарда долларов по состоянию на 2025 год с ежегодным ростом в 15,4 процента. Реально достижимый рынок на первые три года (SOM) — 20 тысяч платных подписчиков из числа ЛПХ и 50 B2B‑контрактов, что составляет чуть более одного процента от общего количества российских ЛПХ, то есть оставляет огромный простор для масштабирования без жёсткой конкуренции. Прямых аналогов «Око ЛПХ» в России нет: импортные системы недоступны по цене и сложны для сегмента ЛПХ, а традиционный осмотр неэффективен. Таким образом, проект занимает свободную рыночную нишу, имеет подтверждённый спрос (более 50 интервью, 92 процента опрошенных заявили о желании пользоваться таким сервисом, 62 процента готовы платить) и высокий потенциал коммерциализации.

Целью проекта является создание доступного, простого и точного инструмента для ранней диагностики болезней КРС (хромота, мастит, нарушения поведения, приближение отёла и охоты), который позволит владельцам ЛПХ минимизировать экономические потери от падения надоев, дорогостоящего лечения и падежа животных.

Для достижения цели поставлены следующие задачи:

• Сбор и разметка уникальной базы видеоданных поведения и походки КРС для обучения нейросетей.
• Разработка нейросетевых моделей для оценки хромоты, мастита, упитанности, прогнозирования отёла и охоты по видео со смартфона.
• Создание мобильного приложения для iOS и Android с инференсом на устройстве (работа без интернета).
• Внедрение системы push-уведомлений о критических отклонениях и интеграция с сервисами удалённых ветеринарных консультаций.

Уровень технологической новизны проекта соответствует адаптации (b). В проекте используются существующие технологии (свёрточные нейросети, компьютерное зрение, TensorFlow Lite), но они впервые комплексно адаптируются для решения задачи доступного мониторинга здоровья КРС в сегменте ЛПХ, где ранее использовались только визуальный осмотр и дорогие импортные датчиковые системы.

Влияние проекта на технологический суверенитет России оценивается как высокое (b). Проект снижает зависимость отечественных сельхозпроизводителей от импортных систем мониторинга стада (Allflex, Nedap, CowManager), которые недоступны для ЛПХ по цене и требуют дорогого оборудования. Разработка собственного программного решения с нейросетями укрепляет технологическую независимость в области точного животноводства и продовольственной безопасности.

Уровень готовности технологии (TRL) для проекта «Око ЛПХ» на текущий момент соответствует TRL-3 (создан макетный образец с ключевыми характеристиками). Разработан прототип приложения с базовой видеоаналитикой, проведены первые тесты на 20 животных, начат сбор видеоданных (5 000 сегментов). Целевой TRL через 6 месяцев — TRL-7 (опытно-промышленный образец, испытанный в реальных условиях на 5+ фермах).

Уровень готовности к рынку (MRL) проекта находится на стадии MRL-3 (сформулировано ценностное предложение для каждого клиентского сегмента, определены каналы продаж). Проведены опросы 37 владельцев ЛПХ, 92% подтвердили готовность платить 300–500 руб./мес. за такое решение. Получены письма о заинтересованности от двух ветеринарных станций и сельхозкооператива.

Уровень команды (CRL) оценивается как CRL-3 (проектная команда без полного набора базовых компетенций, есть внешняя поддержка). В составе команды есть основатель, ветеринарный эксперт и менторы по маркетингу. Ведутся переговоры с CTO и ML-инженером. При поддержке акселератора планируется закрытие недостающих IT-компетенций.

Уровень инвестиционной привлекательности (IRL) соответствует IRL-3 (подтверждена заинтересованность потенциальных инвесторов в продолжении финансирования). Подана заявка на грант Фонда содействия инновациям («Старт-1»), ведутся переговоры с бизнес-ангелом. Детализированный финансовый план и расчёты TAM/SAM/SOM будут представлены в следующей стадии.

Основное продуктовое ограничение проекта, связанное с бизнес-моделью, коммерциализацией и инвестиционной привлекательностью, заключается в необходимости формирования платёжной привычки у целевой аудитории (владельцы ЛПХ не привыкли платить за подписки) и длительном «прогреве» каналов продвижения в сельской местности. Решение — бесплатный пробный период 30 дней и партнёрство с ветеринарными станциями, которые будут рекомендовать приложение.

Основное технологическое ограничение проекта связано с необходимостью сбора и разметки большого объёма видеоданных (не менее 50 000 сегментов) для обучения нейросетей с целевой точностью 85%. Поведение и физиологические параметры КРС варьируются в зависимости от породы, условий содержания и времени года, что требует длительных полевых испытаний и постоянной донастройки алгоритмов.

Ключевым кадровым ограничением проекта является отсутствие в команде профильного IT-специалиста — ML-инженера и мобильного разработчика. Без этих ролей невозможно создать нейросетевые модели и мобильное приложение. Планируется закрытие компетенций через найм (с использованием грантовых средств) или через привлечение технического сооснователя.

Оцениваю свою уверенность в данной экспертной оценке как среднюю — частично знакомая область. Для детального заключения потребовалась бы консультация профильного зоотехника и ML-инженера, специализирующегося на компьютерном зрении.

На страницу проекта