Сельское хозяйство · Разбор проекта
ИИ для сельского хозяйства: контроль кормления коров по камерам
Контроль кормления по камерам и уведомления в Telegram.

Корм на ферме есть, но корова не может до него дотянуться. Животные постепенно отодвигают корм от себя, а трактор, который должен его подвинуть, занят раздачей или уборкой. В этом проекте ИИ для сельского хозяйства решает конкретную операционную задачу: замечает недоступный корм по существующим камерам и сообщает ответственным.
Проблема была не в количестве корма
В презентации описан молочный комплекс из восьми коровников. Пододвигание корма зависело от одного трактора, который одновременно использовался для других работ. Поломка техники, срочная уборка или невнимательность сотрудника оставляли участок без контроля.
Поэтому задача автоматизации состояла не в покупке новой кормораздаточной техники. Нужно было вовремя увидеть разрыв между наличием корма и его фактической доступностью животным, а затем передать сигнал человеку, который может исправить ситуацию.
По презентации · слайды 2, 3
Существующие камеры стали источником событий
В хозяйстве уже работали 32 камеры — по четыре на коровник. Решение использует этот видеопоток для визуального анализа кормового стола. Нейросеть отслеживает состояние зоны кормления и формирует уведомление, когда корм необходимо пододвинуть.
Уведомления приходят в общий Telegram-чат руководителей. Так информация становится доступной сразу нескольким ответственным, а контроль перестаёт зависеть от того, кто случайно посмотрел экран видеонаблюдения. Дополнительное оборудование в описанном проекте не закупали.
По презентации · слайды 4, 5

Какие показатели приведены в проекте
Автор презентации сообщает о росте надоев на 8–10% и окупаемости в первый месяц. Работа нейросетей оценена в 1 000 рублей в день. Это результаты и расходы, заявленные для конкретного масштаба хозяйства, а не универсальный тариф или гарантированная прибавка молока.
Чтобы перенести расчёт на другую ферму, нужны исходный надой, стоимость молока, число животных, режим кормления и реальная частота пропусков. Без этих данных нельзя определить, окупится ли такой контроль и какую часть изменений действительно даст автоматизация.
По презентации · слайды 6, 7
С чего начать проверку на своей ферме
Практичный первый шаг — выбрать один коровник и проверить качество изображения в разные часы. Для пилота стоит заранее описать, какое состояние считать проблемой, кто принимает уведомление и за какое время должен отреагировать. Это рекомендации к пилоту, а не описание дополнительных функций внедрённой системы.
Полезно сравнить число пропущенных ситуаций и время реакции до и после запуска, отдельно учитывая изменения рациона и другие факторы. Такой тест покажет, помогает ли ИИ вашей сельхозке, прежде чем расширять его на весь комплекс. Дмитрию можно отправить описание фермы и примеры кадров — контакты находятся ниже.
Рекомендации к пилоту · редакционный разбор Neurobiss
Презентация и источник
Разбор подготовлен по материалу «Кейс Коровушки» из канала «Все кейсы здесь». Дата публикации источника: 7 июля 2026 г..
Сообщение в Telegram