Мясная индустрия всего мира зависит от классификации туш. Это не просто формальность, а основа ценообразования. Традиционный процесс остается субъективным. Он зависит от опыта конкретного эксперта. Однако технологии приходят на смену ручному труду. Норвегия реализует амбициозный проект SAUTO. Он обещает сделать оценку туш мелкого рогатого скота полностью автоматической. Проект использует 3D-камеры и алгоритмы машинного обучения. Это обеспечит объективность.
Что такое SAUTO: цели и задачи проекта
Аббревиатура SAUTO расшифровывается как «Småfeklassifisering AUTomatisk og Objektivt». С норвежского это означает «автоматическая и объективная классификация туш мелкого рогатого скота». Главная цель проекта создать и внедрить систему. Она должна исключить человеческий фактор при оценке туш. Норвежские фермеры очень ждут такого подхода. Ведь от результатов классификации напрямую зависит их доход.
Технологическая основа: 3D-камеры и машинное обучение
SAUTO не разрабатывает технологию с нуля. Проект опирается на успехи своего предшественника, проекта MeatCrafter. Ранее специалисты доказали: комбинация 3D-камер и NIR-камер дает отличную базу. Эта база позволяет классифицировать туши по системе EUROP. Машинное обучение анализирует полученные данные. В результате алгоритмы предсказывают категорию упитанности. Кроме того, они определяют развитие мускулатуры. Более того, система вычисляет процентное содержание мяса, жира и костей в туше.
От MeatCrafter к SAUTO: эволюция метода
Проект MeatCrafter длился с 2017 по 2021 год. Он стал ключевым этапом в развитии автоматической классификации. Исследователи подтвердили: 3D-визуализация и NIR-спектроскопия дают высокую точность. Они предсказывают EUROP-класс и группу ожиренности. Наработки MeatCrafter легли в основу SAUTO. Однако новый проект пошел дальше. Он пытается решить проблемы промышленного масштабирования. Например, в MeatCrafter использовали недорогие камеры. Почему? Потому что высокое разрешение не оказалось критическим фактором.
Практические испытания и первые результаты
Тестирование прототипов проходило в реальных условиях. Специалисты работали на коммерческих бойнях. Осенью 2018 и весной 2019 года оборудование MeatCrafter установили на линии бойни Fatland Oslo. Там просканировали около 5000 животных. Позже проект переместился на крупнейшие бойни Fatland Jæren и Nortura Forus. Там оборудование закрепили стационарно. В рамках проекта SAUTO на сегодняшний день просканировали и вручную обвалили более 500 животных. Это позволяет сопоставлять данные сканирования с реальным выходом продукции. Следовательно, алгоритмы настраиваются очень точно.
Вызовы и пути их решения
Путь к автоматизации не был простым. Специалисты столкнулись с серьезными вызовами. Один из главных, обеспечить стабильное качество данных. На него влияют условия эксплуатации, движение туш и освещение. Работу с NIR-инструментами прекратили в феврале 2025 года. Почему? Потому что возникли сложности с получением удовлетворительного сигнала в производственной среде. Однако проект нашел альтернативное решение. Для предсказания содержания жира разработчики решили использовать 2D-изображения. Эти изображения поступают с существующих линий измерения длины. Но только при условии их высокого качества. Кроме того, команда разработала новую процедуру. Она ввела единый зеленый фон. Также специалисты стандартизировали углы освещения и камер. Наконец, они провели сотни переклассификаций. Это улучшило обучающие данные.
Перспективы внедрения в мясной индустрии
Успех SAUTO и подобных проектов открывает новые горизонты. Технологии компьютерного зрения и машинного обучения уже доказывают свою эффективность. Например, система CarVe от компании Cargill увеличивает выход красного мяса примерно на 0,5%. Она анализирует в реальном времени работу обвальщиков. Немецкий мясопереработчик Tönnies тоже использует аналогичные системы. Компания смогла увеличить выход мяса при зачистке костей на 5%. Кроме того, Tönnies снизил переплаты поставщикам на 4–6%. Эти примеры показывают: автоматическая классификация туш овец не слишком далекое будущее. Это следующий логичный шаг в развитии глобальной мясной индустрии.
Источники
- Research Council of Norway: Проект SAUTO
- Research Council of Norway: Проект MeatCrafter
- Meat Industry PRO: CarVe: как Cargill увеличивает выход мяса на 0.5% с ИИ
- Meat Industry PRO: Компьютерное зрение в мясопереработке: опыт Tönnies
- Meat Industry PRO: Цифровизация мясной отрасли 2026: прогнозы и кейсы
- Meat Industry PRO: Контроль качества мяса гиперспектр и нейросети для технолога
- Meat Industry PRO: Искусственный интеллект и компьютерное зрение 2026 тренд
