Студенческий технологический стартап ВЕТАИ разработал систему искусственного интеллекта для мониторинга здоровья сельскохозяйственных животных. Система использует компьютерное зрение и нейросетевые модели и выявляет у скота видимые ранние признаки различных заболеваний. В команду стартапа входят магистранты Томского государственного университета, студенты и выпускники Санкт-Петербургского государственного университета ветеринарной медицины (СПбГУВМ) и Университета ИТМО. Ресурсоёмкие задачи выполняются на базе Суперкомпьютерного центра ТГУ. В июне проект запустят в качестве «пилота» на действующей ферме в Республике Татарстан.
Команда стартапа отмечает, что несмотря на значительное развитие ИИ, в России отсутствуют доступные масштабируемые решения для автоматического распознавания заболеваний у сельскохозяйственных животных. Существующие системы либо требуют установки дорогих датчиков, либо не предоставляют глубокой аналитики.
— Стартап ВЕТАИ направлен на решение этой задачи: система анализирует поведение животных по видеопотоку в режиме 24/7 и выявляет ранние признаки хромоты, мастита, пролежней и стрессов без применения датчиков или болюсов. Это сокращает расходы на диагностику возможных заболеваний, лечение и повышает продуктивность стада, — комментирует магистрант Института экономики и менеджмента ТГУ Марат Дусаев.
Ресурсоёмкие задачи, требующие значительных объёмов памяти, GPU и многопоточной обработки данных, команда выполняет на вычислительных мощностях в Томске: в распоряжение стартапа выделен высокопроизводительный узел Суперкомпьютерного центра ТГУ.
— Этот ресурс стал критически важным для обучения нейросетевых моделей, построения комплексных мультизадачных пайплайнов с генерацией датасетов, тепловизионным анализом и статистической валидацией. Например, на суперкомпьютере ТГУ обрабатывается предиктивный анализ симптомов (хромота, стресс, снижение активности) на основании поведенческих паттернов животных. Университет оперативно подставил своё крепкое научное плечо стартапу, позволив в кратчайшие сроки перейти от прототипа к обученной системе, готовой к внедрению в реальных хозяйствах, — отмечает Марат Дусаев.
Он добавляет, что помимо «железа» ТГУ помогает консультациями экспертов: «Я учусь в магистратуре «Создание технологического стартапа» Института экономики и менеджмента ТГУ. Благодаря участию в учебных курсах и консультациям с преподавателями, например, с директором Института анализа больших данных и искусственного интеллекта Вячеславом Гойко, наша команда получила ценные рекомендации по внедрению ИИ в агросферу».
В апреле 2025 года ВЕТАИ прошёл отбор в акселерационную программу Российского венчурного форума: его презентовали на выставочной площадке этого мероприятия, где проект привлек внимание министерства сельского хозяйства Татарстана. В результате республиканский Минсельхоз поддержал стартап и предоставил ему площадку для отработки созданной системы в реальных условиях животноводческого предприятия.
— На базе агрофирмы «Татарстан» с июня начнётся развёртывание и апробация интеллектуальной системы ВЕТАИ. Площадка предоставлена, согласованы параметры тестирования, включая интеграцию с ветеринарной службой хозяйства и получение первичных данных для обучения модели, — говорит Марат Дусаев.
В продолжение проекта по мониторингу здоровья скота планируется ещё один проект: ТГУ и команда стартапа ВЕТАИ намерены использовать вычислительные мощности суперкомпьютера для построения оптимизационных моделей долгосрочного сохранения племенного поголовья (до семи лактаций). Такие модели позволят фермам увеличить выручку за счёт экспорта высокоценного генетического материала (племенных нетелей) и выведения молочного животноводства из зоны убыточности.
Роль суперкомпьютера ТГУ в проекте ВЕТАИ
Одной из ключевых задач ВЕТАИ является обнаружение заболеваний у животных по таким внешним признакам, как изменение походки (ранняя стадия хромоты), аномальное поведение (замедление движений, изоляция, агрессия), стресс (гипервентиляция, резкие движения), патология кожного покрова (пролежни, раны).
Для этого разработанная система анализирует непрерывный видеопоток с ферм, обрабатывая сотни часов материала. Используются архитектуры нейросетей (YOLOv8, HRNet, ConvNext и др.), которые требуют мощных GPU-кластеров с поддержкой CUDA, высокоскоростной загрузки и выгрузки данных (сотни ГБ/день), распределённой параллельной обработки — предобработка, инференс, агрегация результатов.
ТГУ предоставляет стартапу инфраструктуру, которая позволяет обучать и тестировать модели в 20 раз быстрее, чем на локальных серверах
Кроме работы с реальными видео, суперкомпьютер необходим для генерации синтетических датасетов в симуляционных средах (Unity, Blender, 3D-модели животных), чтобы обучать модели в условиях нехватки размеченных данных, симулировать редкие и критические состояния животных, проводить стресс-тесты моделей на сложных сценариях.
Также разработчики моделируют поведенческие траектории животных в стаде, чтобы предсказывать потенциальные эпидемии, отклонения в питании или нарушениях социальных связей, используя методы multi-agent simulation и time-series anomaly detection.
Добавим, что программа специализированного высшего образования «Создание технологического стартапа» в ИЭМ ТГУ готовит лидеров технологических стартапов, способных создавать новые бизнес-проекты, разрабатывать стратегию их развития и сопровождать на всех стадиях жизненного цикла. Обучение сопровождают эксперты-трекеры. Срок обучения — 1 год 3 месяца. На программе 20 бюджетных мест, возможно также обучение на платной основе.
Использована информация с сайта comnews.ru
Иллюстрации: из презентации авторов стартапа