Призер премии ИИ в НКО 2025 года
номинация: ИИ в содержательной работе НКО
Сохраняем биоразнообразие пчел через разметку крыльев
Ассоциация развития естественного пчеловодства, Москва
На какую проблему/задачу откликается этот кейс
Проблема
Самый долгий и сложный этап в идентификации подвидов это ручная расстановка точек на 30-50 крыльев после их сканирования с очень высоким разрешением, для получения точного результата.
Мы предположили, что в процессе расстановки точек нам может помочь ИИ в рамках алгоритмов машинного зрения. Но для этого было необходимо собрать огромный датасет уже размеченных крыльев для обучения нейронной сети.

Мы собрали более 15000 размеченных крыльев и обучение дало необходимую точность расстановки. Сложность состоит в том, что крылья могут быть весьма разные, грязные, с пылью и мусором, разного качества. Поэтому необходимо было подобрать оптимальные параметры для идеальной работы алгоритмов.
Какое решение было найдено/разработано, какое было участие ИИ
Решение
Разработка системы идентификации разных подвидов пчел длится уже более 100 лет и продолжается до сих пор. Жилкование крыла (индексы, получаемые как отношения разных отрезков между пересечениями жилок на крыле) является одной из самых общепризнанных и точных методик и активно используется как в селекции, так и при сохранении подвидов в рамках биоразнообразия.
На данный момент инструменты которые применяются представляют из себя «поделки», которые подразумевают долгую и аккуратную ручную расстановку точек на 30-50 крыльев, за счет чего на анализ одной семьи пчел может уйти до 1 часа. А селекционеру необходимо промерить множество семей.

Мы получили продукт, который позволяет автоматизировать процесс расстановки точек и быстрой выдачи результата работы. Также (что немаловажно) он способствует унификации расстановки точек и исключение человеческого фактора.
Какие были этапы создания этого ИИ-решения?
1
2
3
5
4
Исследование существующих в мире аналогов
Постановка задачи
Сбор необходимого датасета размеченных крыльев
Этап который необходим – создание web-сервиса
Создание и тестирования бета-версии
Этап который сейчас необходим и который мы не сможем сделать без финансирования, так как нужно подключать программистов иной специализации, чем те, что есть у нас в команде — создание web-сервиса на основе нашей технологии.
Мы создали новое решение, аналогов которому пока нет, существенно доработав уже имеющееся решение.
Аналоги представляли из себя в основном таблицы Excel в которые надо было загрузить TPS файл — файл с координатами уже расставленных точек на крыльях. Эти файлы создавала другая программа, где точки на изображениях крыльев необходимо было расставлять вручную! Если мы берем 50 крыльев от семьи и расставляем на каждом 12 точек, то нам необходимо для анализа одной семьи расставить 600 точек! Это огромная работа по времени и по необходимой точности. Существует решение https://deepwings.ddns.net/ которое было сделано в рамках написания статьи командой ученых.

Оно тоже расставляет точки автоматически, но качество расстановки совершенно неудовлетворительное, проверке не подлежит, программа выдает неточные и неправильные результаты. Для реальной работы это совершенно не годится. Мы решили делать свое решение, собравшее в себя хорошее от всех имеющихся на рынке других решений, которые чаще всего были сделаны (как и наша программа) в весьма кустарных условиях.
Благодаря отличным результатам обучения нейросети команде удалось в разы ускорить процесс анализа подвидов пчел и значительно повысить достоверность результата за счет точности процедуры и величины массива данных. Кроме того, работа нейросети позволяет собирать крупные базы данных по подвидам пчел в разных регионах.
Почему было уместно применить ИИ?
Доказательства
За счет автоматизации расстановки точек скорость проведения анализа увеличилась в 2-3 раза. А в случае мощного сервера для работы нейросети оптимизация будет еще больше. По сути после загрузки в программу сканов крыльев программа практически мгновенно может выдавать результат.
сколько потратили на ИИ решение, на что. Как это окупится?
Экономика
Текущее решение и технология полностью создавались членами нашей Ассоциации, энтузиастами на некоммерческой основе. Самый сложный и уникальный этап это сборка размеченного дата-сета из 15000 крыльев для обучения. Это заняло много времени.

Затраты команды минимально можно оценить в 1 млн рублей. Программист, который специализируется на нейросетях работал над программой пол года, пробуя разную архитектуру и разные решения. Затраты на программиста можно оценить в 1.5 миллиона рублей.
Мы подавали заявку на резиденцию в Сколково, но увы, у нашей программы недостаточный потенциал монетизации. Да, это правда. Это необходимое общественное благо, которое должно быть создано государством для развития рынка селекции пчёл, но увы, пока нет.
Экономические выгоды в данном случае выражаются в экономии времени и получения точного результата, а также в сборе базы данных по подвидов пчел разных регионов.

На данный момент на тестировании работающая версия технологии. Для запуска программы "в свет" необходимо создание веб-версии. И мы сейчас пытаемся найти на это финансирование. Это подразумевает сервер, на котором будет работать нейросеть, личные кабинеты, базы данных и тд.
Ключевой показатель эффективности — это скорость получения результата анализа подвидов пчел. По оценкам команды разработчиков, с внедрением нейросети она увеличилась в 2,5–3 раза.
Где ИИ не справляется и не может заменить человека или работать без вмешательства и корректировки человека.
ЭТИКА
  • Что нельзя доверить ИИ?
    Пока ему сложновато доверить процесс подготовки крыльев для сканирования и сам процесс сканирования. Необходимо наклеить аккуратно на скотч и положить в сканнер. С этим ИИ пока не справляется
  • Какие этические моменты важно было учесть?

    Мы не столкнулись с этическими дилеммами. В нашем случае ИИ используется как инструмент решения конкретных задач в области машинного зрения.

    У нас не было необходимости закрепления этических дилемм.

Справочная информация
Чем этот кейс примечателен, чем выделяется среди других, отличается от других?
Яркое про кейс
Впервые в мировой практике процедура анализа подвидов пчел стала по-настоящему автоматизированной. Нейросеть с машинным зрением ускоряет работу в 2,5–3 раза и исключает ошибки, связанные с человеческим фактором, обеспечивая точность, стабильность и надежность результатов.
Какие фишки, результаты ИИ изумляют в вашем кейсе?
Больше всего изумляет, что вообще мы справились со сложной некоммерческой технологией без поддержки. Как известно некоммерческая деятельность мало кому нужна и пчелы с точки зрения науки и биоразнообразия, к сожалению, мало кому интересны. Поэтому сам факт появления такого решения — изумляет.
Как и изумляет то, что после того как мы разработали технологию никаким научным институтам, ни минсельхозу это не показалось интересным. Они занимаются имитацией деятельности, а не реальной работой и развитием российского пчеловодства. Это мог быть прорыв на международной профессиональной отрасли, но увы. Нет денег — нет интереса
Что бы авторы порекомендовали другим НКО, которые только присматриваются к ИИ или делают первые шаги?
  • Искать знакомых и партнеров, которые хорошо разбираются в ИИ, которые могли бы подумать какие именно задачи из тех, что стоит перед вами, можно было бы решить с помощью тех или иных возможностей современных нейросетей