Специалисты ФАО вместе с грузинскими коллегами собирают данные о местных породах крупного рогатого скота в горных районах, чтобы обучить систему искусственного интеллекта распознавать их по фотографии.

Суть коротко

• ФАО совместно с Научно-исследовательским центром сельского хозяйства Министерства охраны окружающей среды и сельского хозяйства Грузии собирает данные о местных породах крупного рогатого скота в горных районах страны для разработки ИИ-инструмента их распознавания.
• Информация пополнит глобальную Информационную систему ФАО по разнообразию домашних животных (DAD-IS), где отслеживается почти 9 тыс. пород 38 видов животных по всему миру.
• В системе уже зарегистрировано 48 пород из Грузии — 40 местных и 8 региональных трансграничных, но данные о численности популяции есть лишь примерно по половине из них.
• ФАО разрабатывает мобильное приложение, которое позволит полевым специалистам фотографировать животных для автоматического определения породы; первые испытания в других странах уже показали высокую точность.

Зачем нужна база данных пород

Проблема, которую решает проект, шире одной Грузии. По оценке ФАО, значительная часть мировых пород сельскохозяйственных животных находится под угрозой исчезновения — вместе с породой теряется и уникальный набор генов, который может отвечать за устойчивость к местному климату, болезням или скудному корму.

Специалист ФАО по животноводству Тибор Сюч отметил: «Грузия обладает богатым животноводческим наследием и прочной основой для дальнейшей работы. Совершенствуя данные о генетических ресурсах животных и укрепляя сотрудничество между учреждениями, мы не только поддерживаем национальные приоритеты, но и вносим вклад в накопление глобальных знаний, необходимых для сохранения разнообразия сельскохозяйственных животных для будущих поколений».

Без точного учёта того, сколько особей конкретной породы вообще осталось, невозможно ни оценить риск её исчезновения, ни спланировать меры по сохранению.

Как работает распознавание по фото

Инструмент, который разрабатывает ФАО, устроен просто на уровне пользователя: полевой специалист фотографирует животное, а система на основе искусственного интеллекта определяет его породу по внешним признакам — форме, окрасу, телосложению. Для того чтобы приложение заработало для конкретной страны, сначала нужно собрать достаточную базу эталонных изображений местных пород — именно этим сейчас и занимаются специалисты в горных районах Грузии. Технология уже проходила проверку в других странах и показала высокую точность распознавания, что делает грузинский проект не экспериментом с нуля, а адаптацией уже работающего решения.

Почему это важно для Казахстана

Казахстан располагает собственным набором пород местной селекции, каждая из которых — результат десятилетий адаптации к специфическим условиям страны: казахская белоголовая и аулиекольская породы крупного рогатого скота, едильбаевская порода овец и другие. Отдельный показательный пример — порода овец архаромеринос, выведенная скрещиванием домашних мериносов с дикими горными баранами архарами именно ради устойчивости к местному климату и болезням. Казахстанские породы, как и грузинские, нуждаются в систематическом учёте: без актуальных данных о численности сложно оценить, какие из них требуют первоочередных мер поддержки, а какие развиваются устойчиво. Технология распознавания по фотографии, которую тестирует ФАО, в перспективе могла бы упростить и казахстанский учёт — особенно в отдалённых животноводческих регионах, где сбор данных полевыми методами остаётся трудоёмким.

Авторский вывод

Проект в Грузии показывает, как современные технологии всё активнее проникают в задачи, которые ещё недавно решались исключительно вручную — учётом поголовья и определением пород много лет занимались зоотехники на местах, сверяясь со справочниками. Автоматизация этого процесса не заменяет экспертизу специалистов, но может кратно ускорить сбор данных там, где их сейчас не хватает, — и для стран вроде Казахстана, где местное животноводческое наследие тоже требует системного учёта, это направление стоит держать в поле зрения.