Экспертные заключения: 10
Консультации: 0

Цифровой пастух

Идея проекта

Проект создаёт систему компьютерного зрения, которая автоматически считает свиней по изображению с обычных IP-камер. Система работает в проходах и зонах учёта, ведёт журнал событий и выгружает отчёты в Excel. Она решает проблему трудоёмкого и неточного ручного учёта поголовья: сейчас пересчёт отвлекает персонал на несколько дней, а результаты хранятся в разрозненных таблицах. Существующие решения либо управляют стадом в целом, либо измеряют массу животных, либо требуют специального оборудования или дорогой разработки под заказ. «Цифровой пастух» отличается тем, что делает одно: доступно считает животных по уже установленным типовым камерам, позволяет вручную перепроверить сомнительные кадры и выгружает данные в привычном формате.

Актуальность

Отраслевой аспект. На конец 2025 года в сельхозорганизациях России содержалось 26,9 млн свиней. Производство свиней на убой в промышленном секторе составило 5,91 млн т в живом весе. Учёт такого поголовья обязателен и ведётся как ежегодно, так и в оперативном режиме. В большинстве хозяйств, особенно малых и средних, его до сих пор ведут вручную: делают обходы и сверяют данные в Excel или CRM.

Экономический аспект. Один ручной пересчёт занимает 2–3 дня. В нём участвует до 10 сотрудников, в том числе работники смежных подразделений. Прямые затраты составляют около 20–30 тыс. ₽ в день, то есть 40–90 тыс. ₽ за одну сверку. Животные перемещаются и перекрывают друг друга, поэтому возникают двойной счёт и расхождения. Ошибки учёта искажают данные о кормах, ветеринарных мероприятиях и продажах.

Государственная политика. Цифровизация и внедрение ИИ в животноводство входят в число приоритетов национального проекта технологического лидерства «Продовольственная безопасность». Решения, которые повышают точность и воспроизводимость отраслевых данных на отечественном стеке технологий, соответствуют задачам технологического суверенитета в АПК.

Рыночный аспект. Рынок сильно концентрирован: на топ-20 компаний приходится 80% промышленного производства свинины. Это повышает требования к точности данных во всей отрасли. Крупные холдинги работают с комплексными системами управления стадом и заказными разработками. Малые и средние хозяйства остаются без доступного инструмента автоматического подсчёта. Зарубежные аналоги (AgroVision PigVision, Dilepix, Big Dutchman WeightCheck) либо не решают задачу прямого подсчёта, либо продаются по индивидуальному запросу и требуют специального оборудования. Проект занимает эту нишу с моделью подписки по ориентировочной цене 12 тыс. ₽ в месяц за хозяйство. Оценка рынка (сценарная модель команды): TAM — 43,2 млн ₽ (300 хозяйств, подходящих для MVP), SAM — 14,4 млн ₽ (100 хозяйств), цель первого года — 12 клиентов.

Проверка спроса. Команда запланировала 12 решенческих интервью с управляющими свиноферм, зоотехниками и сотрудниками учётных подразделений. Основные вопросы интервью: сколько длится сверка, как часто возникают ошибки, какие камеры уже установлены, готово ли хозяйство к пилоту. Проблема будет считаться подтверждённой, если её признают не менее 8 из 12 респондентов. Не менее 6 из 12 должны быть готовы обсуждать пилот.

Цель проекта

Разработать и проверить в реальных условиях систему автоматического подсчёта свиней по изображению с IP-камер с погрешностью не более 5%. Подтвердить спрос и заключить соглашение о пилотном внедрении хотя бы с одним хозяйством.

Задачи проекта на акселератор

Проверка проблемы и спроса. Провести не менее 12 решенческих интервью с представителями целевой аудитории. Подтвердить остроту проблемы, частоту и стоимость сверок, наличие камер и готовность к пилоту.

Сбор и разметка данных. Получить видеозаписи из проходов и зон учёта фермы. Разметить выборку в CVAT и сформировать эталонные видео для проверки точности.

Разработка прототипа. Собрать рабочую цепочку: IP-камера → детекция (YOLO) → трекинг (ByteTrack) → подсчёт по виртуальной линии с защитой от двойного счёта → база данных → панель оператора с экспортом в Excel.

Тестирование прототипа. Сравнить автоматический подсчёт с ручным на эталонных видео. Достичь погрешности не более 5%, настроить модель под освещение и плотность стада.

Формирование бизнес-модели. Рассчитать себестоимость подключения одной точки учёта и стоимость обслуживания. Определить цену подписки и разового подключения, каналы продаж и точку окупаемости.

Поиск индустриального партнёра. Договориться с хозяйством или агроинтегратором о пилотном внедрении и получить письмо заинтересованности.

Ожидаемые результаты

Рабочий прототип. Система, которая считает свиней по видеопотоку с IP-камеры. В комплект входят журнал событий, панель оператора и экспорт в CSV/Excel. Работа прототипа подтверждена видеодемонстрацией.

Протокол испытаний. Результаты сравнения автоматического и ручного подсчёта на эталонных видео с фактической погрешностью.

Подтверждение спроса. Итоги решенческих интервью и письмо заинтересованности или соглашение о пилоте с индустриальным партнёром.

Пакет проектной документации. Архитектура решения, расчёт себестоимости, модель монетизации и финансовая модель на 12 месяцев.

Презентация проекта. Оформленный контур проекта (TRL, MRL, CRL), анализ конкурентов и демонстрация прототипа на итоговой защите акселератора.

Связь с НПТЛ (национальные проекты технологического лидерства)

Проект «Цифровой пастух» относится к национальному проекту технологического лидерства «Продовольственная безопасность», направление 4.3.2003 «Цифровизация и ИИ в животноводстве».

Тип связи: прямая. Проект создаёт отечественное ИИ-решение для учёта поголовья сельскохозяйственных животных. Он опирается на критические и сквозные технологии: искусственный интеллект, технологии цифровой визуализации и новые производственные технологии. Проект снимает технологические барьеры, обозначенные в этом направлении: перекрытия животных и двойной счёт, нехватку размеченных видеоданных, сложность адаптации CV-моделей к условиям конкретной фермы, а также разрозненность учётных данных.


Бизнес-модель проекта «Цифровой пастух»

Суть проекта. Система компьютерного зрения автоматически считает свиней по изображению с обычных IP-камер. Она работает в проходах и зонах учёта, ведёт журнал событий и выгружает отчёты в Excel. Проект относится к нацпроекту технологического лидерства «Продовольственная безопасность» (направление «Цифровизация и ИИ в животноводстве»).

1. Проблема

Хозяйства обязаны регулярно вести учёт поголовья: ежегодно и в оперативном режиме. Сейчас это делают вручную:

  • Нужно много людей. В пересчёт вовлекают до 10 человек, в том числе сотрудников смежных подразделений, которые на это время уходят со своих задач.

  • Это долго. Один пересчёт занимает 2–3 дня.

  • Это дорого. Прямые затраты составляют около 20–30 тыс. ₽ в день, то есть примерно 40–90 тыс. ₽ за одну сверку.

  • Данные неточные. Животные перемещаются и перекрывают друг друга, их легко посчитать дважды. Результаты хранятся в разрозненных Excel-таблицах или CRM, и общей истории нет.

1а. Существующие альтернативы

  • Ручные обходы и Excel/CRM. Ничего не требуют, но дают ошибки и отнимают много труда.

  • Ферменное ПО (например, PigVision от AgroVision). Позволяет управлять стадом комплексно, но автоматический подсчёт не является его ключевой функцией.

  • ИИ-мониторинг (Dilepix, Франция). Работает с камерами и событиями, но модуль подсчёта заявлен как находящийся в разработке.

  • Камерный контроль массы (Big Dutchman WeightCheck). Измеряет вес бесконтактно, но не считает животных и требует специальной камеры.

  • Заказная CV-система. Гибко адаптируется, но дорого стоит и долго внедряется.

Вывод: на рынке нет доступного решения, которое считает именно свиней по уже установленным камерам.

2. Потребительский сегмент

  • Кто использует: управляющие свиноферм, зоотехники, учётные подразделения.

  • Кто принимает решение о покупке: руководители предприятий.

  • Что им важно: актуальная информация о численности в реальном времени, удобный сбор данных, экономия времени, денег и рабочих рук.

2а. Ранние последователи

Малые и средние свинофермы, где уже есть подходящие проходы и камеры. Логика выбора:

  • у них небольшое поголовье и при этом строгие требования к учёту;

  • решения у них принимаются быстрее, чем в агрохолдингах;

  • крупным игрокам (топ-20 компаний дают 80% промышленного производства свинины) нужны интеграции и длительные пилоты, поэтому это следующий этап.

3. Ценностное предложение

Проверяемый цифровой учёт поголовья без постоянных обходов. Для клиента это означает:

  1. Подсчёт без массового отвлечения персонала.

  2. События с временными метками вместо разрозненных записей.

  3. Работу с типовыми IP-камерами без покупки специального оборудования (совместимость пока гипотеза).

  4. Возможность вручную перепроверить сомнительные кадры.

  5. Отчёты в привычном формате Excel/CSV.

Цель пилота: снизить ошибки учёта на 50%, например с 10% расхождений до 5% и меньше. Прогноз пока не подтверждён измерениями.

4. Решение

Технологическая цепочка: IP-камера → детекция → трекинг → подсчёт → журнал → экспорт.

Функционал MVP:

  1. Подключение камер по RTSP или загрузка готового видео.

  2. Обнаружение животных и отслеживание их движения с присвоением ID.

  3. Подсчёт при пересечении виртуальной линии с защитой от двойного счёта.

  4. Журнал событий и статистика по времени и участкам.

  5. Панель оператора с ручной проверкой и экспортом в CSV/Excel.

Стек: Python, PyTorch, YOLO11n, OpenCV, ByteTrack, PostgreSQL, FastAPI, React. Разметка данных делается в CVAT.

5. Каналы распространения

  • Прямые B2B-продажи руководителям хозяйств.

  • Пилотные внедрения. Бесплатный или льготный тест на одной зоне учёта даёт кейс и отзыв.

  • Отраслевые мероприятия: выставки и конференции по животноводству.

  • Агроинтеграторы и поставщики оборудования для ферм как партнёрский канал.

6. Потоки доходов

  • Продажа программного продукта (лицензия или подписка).

  • Сервисное обслуживание: поддержка, обновления, донастройка модели.

6а. Модель монетизации

B2B: ежемесячная подписка плюс разовая плата за подключение.

  • Подписка.

  • Разовое подключение: монтаж и настройка камер, калибровка модели под объект.

7. Структура расходов

  • Оборудование.

  • Сервер, хостинг, домен.

  • Заработная плата команды разработки и внедрения.

  • Маркетинг: участие в мероприятиях, проведение пилотов.

  • Содержание юрлица: бухгалтерия, расчётный счёт, налоги.

  • Программное обеспечение стоит 0 ₽: весь стек открытый.

8. Ключевые метрики

  • Продуктовые: ошибка подсчёта не больше 5%, длительность сверки, число ручных поправок.

  • Бизнесовые: удержание клиентов (продление подписки), а также, как вариант, число пилотов и их конверсия в платных клиентов.

9. Скрытое преимущество

  • Локальные видеоданные конкретной фермы, на которых дообучается модель.

  • Калибровка алгоритма под освещение, плотность стада и конфигурацию проходов.

  • Интеграции с учётными системами хозяйства.

Ссылка

На страницу проекта

Направление

IT

Рынки

EduNet, TechNet

Сквозные технологии

Искусственный интеллект