заявка на премию · команда проекта

ИИ-платформа «Биомеханика КРС»

Цифровое фенотипирование крупного рогатого скота для анализа биомеханических паттернов здоровья и линейных экстерьерных признаков по видеоданным: компьютерное зрение, методики «пиксели→см→баллы», доказательные клипы событий и продуктовый контур внедрения в хозяйства.
Computer Vision & ML
Биомеханика / Морфометрия
On-Prem Platform / MLOps

Миссия команды

в контексте проекта

Команда реализует полный цикл создания отраслевой ИИ-платформы: сбор видео → протокол съёмки → разметка → CV/ML-модели → экспертная валидация → платформа → пилоты → тиражирование. Отличие подхода — совместная разработка измеряемых признаков (биомеханика и экстерьер) и их формализация в виде методик и программных модулей, пригодных для эксплуатации в хозяйствах.

Объект анализа Локомоция, поза, экстерьер биомеханические паттерны здоровья и линейные признаки
Выход платформы Измерения → баллы → решения карточка животного, динамика, отчётность
Доказательность Клипы событий и контекст время, признаки, экспертные комментарии
Внедрение Пилоты и волны тиража обучение, регламенты, интеграции
pose estimation tracking segmentation feature engineering MLOps методики «пиксели→см→баллы»

Компетенции команды

шире, чем на слайде — в контексте цифрового фенотипирования КРС

CV/ML ядро

  • keypoints/pose estimation (скелетная модель)
  • сегментация/силуэт и трекинг
  • извлечение биомеханических признаков
  • устойчивость к ракурсам/свету/условиям

Методики и валидация

  • таксономия экстерьерных/локомоционных признаков
  • правила «пиксели → см → баллы»
  • породные параметры и версии шкал
  • валидация «система ↔ эксперты»

Данные и разметка

  • протоколы разметки, обучение разметчиков
  • QC разметки (согласованность, правила отклонения)
  • покрытие по породам/возрастам/условиям
  • active learning (сложные/неуверенные кейсы)

Платформа и MLOps

  • on-prem развёртывание, CI/CD, мониторинг
  • версии моделей/методик, безопасные обновления
  • масштабирование GPU/CPU, очереди задач
  • контур хранения и событий клипов

Edge/Видео-контур

  • видеопотоки, нарезка/сжатие/индексация клипов
  • оптимизация производительности (C++/кодеки)
  • протокол съёмки, калибровка, метки
  • устойчивость на площадке

Аналитика и внедрение

  • дашборды по стаду/группам, отчёты, экспорт
  • просмотр «доказательных» клипов
  • интеграции с учётными системами
  • пилоты и волны внедрения

Команда проекта

поиск по фамилии/роли/компетенции
Все LEAD Методики/Экспертиза CV/ML SRE/DevOps Backend Frontend Edge/C++/Видео Hardware
Анастасия Греченева
LEAD
Греченева Анастасия Владимировна
Директор проектного института цифровой трансформации АПК
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • стратегия, дорожная карта, KPI пилотов и метрики эффекта
  • координация R&D: данные → модели → валидация → платформа
  • партнёрства, пилоты, подготовка к тиражированию
Наукометрия / ID
ORCID0000-0002-7341-5237
h-index10
Product/R&D KPI пилотов внедрение
Евгения Латынина
Эксперт
Латынина Евгения Сергеевна
Доцент кафедры частной зоотехнии
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • методология оценки экстерьера и локомоции (биомеханика)
  • стандарты разметки и контроль качества датасетов
  • экспертная валидация «система ↔ специалисты»
Наукометрия / ID
ORCID0000-0001-5145-1184
h-index10
методики валидация разметка/QC
Сергей Лапшин
DevOps
Лапшин Сергей Михайлович
Старший преподаватель
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • on-prem инфраструктура, CI/CD, мониторинг, безопасность
  • MLOps: версии моделей, безопасные обновления, масштабирование
  • контуры хранения и выдачи «доказательных» клипов
Артефакты
  • регламенты эксплуатации и обновления
  • SLO/SLA по выдаче клипов и отчётности
  • интеграционные контуры (API/сервисы)
on-prem CI/CD MLOps интеграции
Никита Власюк
Fullstack
Власюк Никита Александрович
Магистрант
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • веб-платформа и пользовательские сценарии
  • визуализация аналитики и отчётности
  • карточка животного и событийный контур
UI-модули
  • профиль животного, динамика признаков
  • просмотр клипов, фильтры, экспорт
  • панели управления стадом/группами
Frontend UX дашборды экспорт/PDF
Александр Брагинец
Backend
Брагинец Александр Вячеславович
Бакалавр, 2 курс
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • схема БД и оптимизация запросов
  • микросервисы и API платформы
  • контуры обмена данными и экспорта
Фокус качества
  • производительность и стабильность
  • версии методик/моделей в данных
  • подготовка данных для отчётности
Backend DB API микросервисы
Дмитрий Прошин
ML инженер
Прошин Дмитрий Александрович
Магистрант, 1 курс
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • интеграция ML-моделей в продуктовый контур
  • оптимизация инференса (скорость/стабильность)
  • контроль качества и воспроизводимость
ML-контур
  • метрики качества и деградации
  • пайплайны тестирования/переобучения
  • устойчивость к условиям фермы
ML inference quality pipeline
Никита Фарафонов
C++ / Видео
Фарафонов Никита Сергеевич
Магистрант, 1 курс
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • высокопроизводительная обработка видеопотоков (C++)
  • оптимизация драйверов/кодеков/потоков
  • снижение задержек и рост стабильности
Edge-аспект
  • надёжность на площадке, диагностика
  • интеграция камер/устройств
  • поддержка контуров клипов
C++ video pipeline edge performance
Максим Бакнин
Hardware & AI
Бакнин Максим Дмитриевич
Доцент кафедры прикладной информатики, программист
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • протокол съёмки: ракурсы, свет, метки, безопасность
  • калибровка «пиксели→см», качество входных данных
  • полевые пилоты: монтаж/настройка/стабилизация
Наукометрия / ID
ORCID0000-0002-3124-6252
h-index4
hardware protocol calibration pilots
Павел Воронков
ML Dev
Воронков Павел Андреевич
Магистрант, 2 курс
ФГБОУ ВО РГАУ-МСХА им. К.А. Тимирязева
Ключевой вклад
  • архитектуры CV-сетей, трекинг и сегментация
  • извлечение биомеханических паттернов
  • эксперименты, метрики, устойчивость
R&D акценты
  • устойчивость к условиям фермы и породам
  • feature engineering для здоровья/экстерьера
  • подготовка отчётов качества
CV tracking segmentation biomechanics