פיתוח מערכת AI לניטור גידול בעלי חיים

מדוע ניטור AI של משק החי אינו מגיע לתוצאה

תמונה אופיינית במתחם: מצלמות במעברים ומעל שולחן ההאכלה מקליטות מסביב לשעון, על בעלי החיים — חיישני פעילות, אולם החליבה מוציא יומן לכל חליבה, והזואוטכנאי מנהל רשומות על טיפולים. הנתונים קיימים, ההיקף גדל, אבל ההחלטות לגבי העדר מתקבלות כמו קודם — סיור פעמיים ביום ואומדן עין. אות על צליעה, דלקת עטין או פציעה מגיע לאדם כאשר בעל החיים כבר מסרב למזון או שהתנובה יורדת.

הסיבה אינה בחוסר תצפיות, אלא בנתונים מפוזרים מהמשק. זרם הווידאו נמצא במערכת אחת, קריאות החיישנים — באחרת, יומן החליבה — בשלישית, ויש להם תדירות רישום שונה, מזהי בעלי חיים שונים וחותמות זמן שונות.

אי אפשר לאחד זאת ידנית לציר זמן אחד עבור פרה מסוימת: עד שהאנליסט יתאים את הייצואים, המקרה או שחלף או שהפך לכרוני.

המחיר של זיהוי מאוחר של מחלות אינו נמדד לפי אפיזודה אחת. הטיפול מתחיל ביום השני-שלישי לאחר ההתחלה האמיתית, ולכן שיעור הטיפולים החוזרים עולה, חלק מבעלי החיים נפסלים, והפסדים בתפוקה מצטברים בקבוצה במשך שבועות — בפרויקטים שלנו מדובר ב-5–12% מתנובת החלב באזור הבעייתי.

בעיה נפרדת היא רעש. אם מערכת בלי תיוג וכיול ספים מייצרת עשרות התראות במשמרת, הצוות מפסיק להגיב אפילו לנכונות, והבקרה על העדר הופכת לפורמליות. נפרט כיצד זה נסגר — מציר זמן אחיד לכל בעל חיים ועד לספים שאיתם המשמרת באמת עובדת.

השפעות מדידות: מה משתנה במשק לאחר ההטמעה

ההשפעה נמדדת לפי זמני תגובה, שיעורי תרחישים שנסגרו וסוגי כשלים שנעלמו. את המדדים מתעדים לפני ההפעלה וחוזרים על המדידה כעבור חודש — אז רואים מה השתנה.

זיהוי מוקדם של מחלות ותמותה

זיהוי על בסיס זרם וידאו ממעבר ההאכלה פועל על מודל ממשפחת YOLO: ירידה בפעילות, סירוב לאבוס, צליעה, תנוחת גוף לא אופיינית. האות מגיע 12–36 שעות לפני סימנים קליניים, הטיפול מתחיל כשבעל החיים עדיין לא הוצא מהקבוצה. נעלם סוג הכשל «מצאו בסיור מתוכנן, כשכבר מאוחר».

בקרת האכלה לפי קבוצות

המערכת מחשבת כמה מזון מגיע בפועל לכל קבוצה ומשווה לתפריט. אי-ההתאמה נראית באותו יום, ולא לפי תוצאות החודש: האכלת יתר של קבוצה אחת והאכלת חסר של אחרת מתאזנות, ושיעור השאריות שלא נאכלו על שולחן ההאכלה יורד.

תחזית תפוקה

לפי הצריכה וההתנהגות נבנית תחזית של תנובת חלב או עלייה במשקל לפי קבוצה ל-7–14 ימים קדימה. הזואוטכנאי רואה את הסטייה לפני שהיא הופכת לנפילה בתפוקה הכוללת, ומספיק לתקן את התפריט.

עומס על עובדי הרפת

סיור בכל העדר מוחלף ברשימה ממוקדת: במשמרת מתקבלות 10–15 משימות במקום בדיקה של כל בעלי החיים ברצף. הזמן מוקדש למי שבאמת זקוק לעזרה, ולא לבקרה חזותית לשם הבקרה.

אפשרויות פריסה: ענן, מתאר מקומי, היברידי

את סכמת מיקום העיבוד בוחרת לא המודל, אלא האתר: רוחב הפס של ערוצי התקשורת במשק, יציבות החשמל, עומק הארכיון הנדרש, ומי רואה ראשון את ההתראה. במקום שבו יש ערוץ אחד ונייד, העלאה של כל זרם הווידאו לענן יוצרת אובדן פריימים בכל ניתוק — חלק מהאירועים כלל לא מגיעים לעיבוד.

המקרה ההפוך — אתרים מפוזרים ללא מומחה תורן: אין מי שיתחזק את הצומת המקומי, ולכן אמין יותר לחשב בענן, ולהשאיר במקום רק חוצץ הקלטה לכמה שעות. בין שני הקצוות הללו נכנסת סכמה היברידית: אירועים קריטיים מנותחים במקום, והארכיון נשלח בשעות עומס נמוך.

בהתחלה מחשבים שלושה גדלים: שיעור הפריימים שאסור לאבד, עומק הארכיון הנדרש וזמן התגובה המותר לאירוע. המספרים האלה קובעים היכן למקם את העיבוד — השאר נגזר מכך.

שלבי הטמעה: מסקר המשק ועד לתפעול

הטמעת ניטור AI במשק חי היא רצף של עבודות הנדסיות, ולא התקנת מצלמות. הסדר קבוע: להבין את האתר, לתכנן כיסוי, לאמן את המודל על נתונים מקומיים, ורק אחר כך להעלות את המערכת לתפעול.

1. סקר המשק. מסתובבים ברפתות בשעות שונות של היום: מתעדים תאורה וניגודיות מול השערים, הפרשי גובה, אזורי התקהלות צפופה של בעלי חיים, נקודות חשמל ותקשורת, מסלולי תנועה של העדר והצוות. התוצאה — מפת מגבלות של האתר שאי אפשר לעקוף בהתקנה.
2. סכמת מיקום המצלמות. מחשבים זוויות וחפיפות, גובה תלייה, הטיה ומרחק לקו התנועה. בעל החיים צריך להיכנס לפריים בשלמותו בכניסה וביציאה מאולם החליבה, והפריימים ממצלמות סמוכות צריכים להתחבר בלי קטעים «עיוורים».
3. כיול המודל לגזע. מסמנים פריימים עם מבנה גוף מקומי, צבע פרווה ודפוס כתמים, ומאמנים את המודל מחדש על מדגם מקומי. בנפרד בוחרים ספי רגישות, כדי שהתנהגות קבוצתית לא תיצור פרץ התראות שווא.
4. הרכבת מתאר העיבוד. החישובים מתבצעים באתר — התגובה קצרה יותר והתעבורה קטנה יותר. אירועים נרשמים עם חותמות זמן, ובעת ניתוק תקשורת נשמרים בחוצץ ועוברים ליומן לאחר השחזור, כך שבהיסטוריה לא נשארים פערים.
5. בדיקה על זרם אמיתי. במשך כמה שבועות המערכת עובדת במקביל לתצפית ידנית: משווים התראות, מנתחים אי-התאמות, מכווננים ספים ואזורי עניין. כאן גם מתרגלים המלטה, קטטות וצליעה.
6. נוהל והדרכת צוות. מסכמים מה עושים בהתראה, למי נשלחת הודעה ואיך לסמן אירועי שווא כדי שייכנסו לאימון נוסף.
7. מסירה לתפעול. מוסרים הרשאות, סכמות, קונפיגורציות, יומן שינויים של המודל ותוכנית לעדכונו בעת החלפת עדר או שינוי תכנון הרפת.

ערכת מסירה: מודלים, סכמות, נהלים והרשאות

לאחר ההפעלה נשאר אצל הלקוח לא רק מתאר עובד, אלא גם ערכה שלפיה המערכת ממשיכה לחיות ולהתפתח בלעדינו. אנחנו מעבירים אותו למאגר סגור של הלקוח ובצורת נספחים מודפסים לשירות התפעול — כדי שבהחלפת מהנדס לא יהיה צורך לשחזר את ההיגיון מהזיכרון.

• דרכון מערכת — ייעוד, גבולות שימוש, הרכב מודולים, רשימת מצלמות וחיישנים מחוברים, נקודות אינטגרציה עם מערכות רישום של המשק.
• סכמות מיקום — שיוך מצלמות וחיישנים למקטעים, אזורי האכלה וחליבה, זוויות כיסוי וחפיפות, אזורים שבהם התנהגות בעלי החיים נראית באופן מהימן, ואזורים שבהם המודל עובד בהסתייגות.
• תיעוד המערכת — תיאור זרמי נתונים, פורמטי ייצוא, ספים והגדרות, הוראות לפעולות שגרתיות: להוסיף מצלמה, לסמן אזור, להפעיל מחדש צומת.
• נוהל תגובה — אילו אירועים נחשבים משמעותיים, באיזה השהיה הם נשלחים לאחראי, מי ובאיזה פרק זמן סוגר את האות, ומה נרשם ביומן.
• הרשאות גישה לנתונים — מטריצת תפקידים: למי נגישות להקלטות גולמיות, למי רק לנתונים מצטברים, מי מייצא נתונים, זמני שמירה וכללי אנונימיזציה בעת מסירה לצד שלישי.
• כרטיס מודלים — על אילו נתונים אומנו, מדדים על מדגם מופרד, מגבלות ידועות וסוגי מצבים שבהם נדרש אישור מפעיל.
• סדר עדכון — כיצד מנטרים ירידה באיכות, מי מקבל החלטה על אימון נוסף וכיצד מבוצעת חזרה לגרסה קודמת.

מקרה בוחן: מתחם חלב, מדדי ניטור לפני ואחרי

מה היה באתר לפני ההטמעה

במתחם כבר פעלו אולמות חליבה ונוהל רישום העדר ב-DairyComp, אבל הנתונים היו מפוזרים: תנובות — בבקרי האולם, פעילות — בקולרים, טיפולים וטרינריים — ביומן נייר. המפעיל למד על הבעיה בדיעבד: הפרה כבר סירבה למזון, העגל הפסיק לשתות.

מדידות רבעוניות הראו תמונה כזאת: תמותת הצעירים עמדה על 8–9%, ביממה הראשונה זוהו פחות ממחצית הסטיות בהתנהגות, והשהיה הממוצעת עד לבדיקה — יומיים-שלושה.

מה שינו

איחדנו את הזרמים למאגר אחד ואימנו מודלים על היסטוריה של שנתיים: עבור כל ראש נספרת נורמה משלו לתנובה, פעילות, צריכת מזון ומים, והאות מופעל רק ביציאה מתמשכת מהטווח.

הווטרינר מקבל לא זרם התראות, אלא רשימת עדיפויות עם ציון מה בדיוק סטה ומתי — הבדיקה מספיקה להתבצע לפני שהמצב הופך לאובדן.

מדדים לפני ואחרי

בנפרד נראה אפקט ברישום העדר: אי-ההתאמות בין היומן לבין מספר הראשים בפועל הצטמצמו, כי המערכת משווה מדי יום תנועות בעלי חיים לרישומים, ולא מסתמכת על בדיקה ידנית בסוף החודש.

מה עושים אם במשק כבר מותקנות מצלמות וחיישנים?

מתחילים במיפוי מלאי, ולא ברכישה: זוויות, אזורי כיסוי, איכות הזרם, עומק הארכיון. מצלמות שכבר מותקנות בדרך כלל מתאימות — השאלה היא אם לאזורי האכלה, המעברים ומקומות המנוחה נכנסים לפריים. התוצאה — מפת כיסוי: היכן די במה שקיים, היכן צריך סיבוב נוסף, והיכן מוסיפים נקודה.

לא בונים מערכת רישום שנייה: המודול מושך את מאגר בעלי החיים והקבוצות מהמערכת שלכם. אם הרישום מתבצע ב-Afimilk או בפלטפורמה דומה, אירועים מהווידאו נקשרים לאותם מזהים — תגית, מספר, קבוצה. החלפת הנתונים מתבצעת בייצואים או דרך ממשק תוכנה, ואי-התאמות נרשמות ביומן ומנותחות ידנית.

ההיסטוריה לא הולכת לאיבוד: את הארכיון מריצים באצוות, והמודל מחזיר רטרוספקטיבה של התנהגות לתקופות קודמות — הגרפים לא מתחילים מאפס ביום ההפעלה. פריימים שבהם אי אפשר לזהות את בעל החיים בביטחון מסומנים כפער נתונים, אחרת הקלטה גרועה תהפוך ל«אפס פעילות» שגוי.

את ההחלפה מבצעים בשלבים, לפי אזורים, בחלונות שבין האכלות לחליבות. המתאר החדש עובד בהתחלה במקביל: קורא את אותם זרמים ולא מחליף דבר, עד שהדיוק מאושר על בעלי החיים והתאורה שלכם. חזרה לאחור — להחזיר את הזרם לרשם הקודם.

תאימות הזרמים נבדקת לפני ההתקנה: המצלמות מוציאות וידאו לפי תקנים פתוחים, האנליטיקה מתחברת כצרכן נוסף ולא גוזלת את הזרם מהרשם. עומס הרשת ועומק האחסון מחושבים מראש, כדי שההרחבה לא תשבור ארכיון עובד.

ספקות טכניים: תקשורת, איכות נתונים, צוות

ספקות בפרויקטים כאלה נוגעים לעיתים רחוקות למודל עצמו — הם נוגעים לתפעול: תקשורת במבנים מרוחקים, תאורה ברפת, תגובת אנשים להתראה. להלן ארבע שאלות שמהנדסי הלקוח שואלים ראשונות, וכיצד אנחנו סוגרים אותן באתר.

האם איכות התמונה תספיק בלילה ובניגודיות מול האור?

מצלמות נבחרות בהתאם לתאורה בפועל: תאורת אינפרא אדום, עבודה בדמדומים, כוונון חשיפה נפרד לאזורים שאליהם מגיע אור מהמעברים. אם הסצנה לא קריאה באופן אובייקטיבי, נאמר זאת במדידה לפני ההתחלה, ולא אחרי.

כיצד מסוננות התראות שווא?

הסכמה דו-שלבית: הגלאי מבודד את האובייקט והמחלקה, והשלב השני בודק מסלול וזמן — בעל החיים עומד, שוכב או נע. סף הביטחון מכויל על הקלטות של מבנה מסוים, ולכן הרגישות מותאמת לעדר שלכם, ולא נשארת מהמפעל.

האם הצוות ישתמש בזה?

ההדרכה נמשכת שתיים-שלוש פגישות קצרות: עבודה עם הממשק, ניתוח התראות שנויות במחלוקת, סדר הפעולות בעת התראה. ההוראה נשארת באתר, ובשבועות הראשונים אנחנו מנתחים טעויות על הקלטות של המפעילים — כך ההגדרות מובאות למצב עבודה.

כיצד המערכת מתנהגת בחורף?

כיפות מותקנות עם חימום, החיבורים — מחוץ לאזורי קרח, ונוהל התחזוקה כולל ניקוי אופטיקה. ספים נבחנים מחדש לפי הקלטות חורף: כפור ושמש נמוכה משנים את התמונה יותר ממה שנדמה.

נדון במשימה: מה נדרש מכם כדי להתחיל בעבודה

כדי שאומדן הזמנים יתבסס על עובדות ולא על הנחות, אנחנו צריכים סט נתוני מקור על האתר. להלן מה שנבקש בשיחה הראשונה: חלק מזה אתם כבר יודעים, ואת השאר נדייק יחד.

• רשימת אתרים ומבנים: מספר בעלי חיים, מקטעים, כיצד הם קשורים זה לזה — מכך תלויה סכמת איסוף הנתונים ומספר נקודות הבקרה.
• מה כבר מותקן: מצלמות, חיישנים, ציוד שקילה וחליבה, אמצעי זיהוי בעלי חיים — דגמים, זוויות, אזורי כיסוי.
• כיצד אירועים מתועדים כיום: יומני סיור, טבלאות, רשומות נייר — מה צריך לעבור למערכת ומה נשאר ידני.
• אילו פתרונות נדרשים מהמערכת ובאיזה סדר עדיפויות: בקרת פעילות והאכלה, רישום, זיהוי מוקדם של סטיות, דיווח.
• מי משתמש בתוצאה ומאיזה מכשיר: מפעיל במבנה, זואוטכנאי, מנהל — זה קובע את פורמט התצוגה וההתראות.
• מגבלות האתר: רשת וחשמל, חלל לציוד, נוהל תברואה וסדרי גישה של הצוות.
• קריטריוני קבלה: מה נחשב לתוצאה — שלמות תיעוד האירועים, השהיית האות, שיעור בעלי החיים שזוהו נכון.

עם סט זה אנחנו חוזרים עם אומדן זמנים, סכמת פתרון ותוכנית עבודה. את סדר ההפעלה נדון בנפרד: תחילה פורסים מתאר באתר אחד, משווים את המדדים לציפיות, ואחר כך מעבירים לשאר. תארו את המשימה — נדייק את החסר ונקבע את השלבים.