Однажды, сидя с соседом у бассейна, мы рассуждали о технологиях, которые уже доступны сегодня, но ещё двадцать лет назад казались бы невозможными. В разговоре появилась идея: может ли обычная камера смартфона собирать достаточно информации, чтобы помочь оценить состояние здоровья? Логичным первым направлением показались животные — в частности, собаки. Через несколько дней я вернулся к этому разговору и решил проверить, существуют ли уже подобные технологии и насколько реалистична идея анализа состояния животного по видео.

Исследование привело меня к DeepLabCut — фреймворку для автоматического отслеживания движений и положения частей тела. Я изучил научные публикации и практические примеры его применения, погрузился в технологии компьютерного зрения, подобрал несколько локальных нейросетевых моделей, собрал специализированную ветеринарную базу знаний и объединил всё это в единый интеллектуальный пайплайн.

Как это работает

Так появилось мобильное приложение для мониторинга здоровья собак. Если владельцу кажется, что походка собаки изменилась, он записывает короткое видео и отправляет его на анализ: система отслеживает ключевые точки тела животного и покадрово изучает движение, пытаясь заметить даже небольшие изменения, которые легко упустить при обычном наблюдении. Полученные данные превращаются в измеримые параметры и сопоставляются со специализированной базой знаний — несколько ИИ-моделей совместно формируют вероятностную оценку состояния и помогают понять, стоит ли обратиться к ветеринару.

Приложение также ведёт журнал состояния собаки: если диагноз уже поставлен ветеринаром, можно регулярно фиксировать показатели и отслеживать динамику. Отдельная часть системы — ИИ-консультант, дообученный на профильной ветеринарной базе знаний: он отвечает на вопросы об уходе за собакой и помогает интерпретировать результаты наблюдений в удобном диалоговом формате.

Работает самостоятельно

Вся сложная логика находится на сервере — мобильное приложение остаётся простым интерфейсом с результатами анализа, графиками и историей наблюдений. При этом платформа работает автономно и не зависит от внешних ИИ-API: под капотом — несколько собственных локально развёрнутых нейросетевых моделей для компьютерного зрения, анализа движения и работы консультанта, что позволяет полностью контролировать обработку данных и не зависеть от сторонних сервисов.

Во время разработки пришлось разобраться в основах ветеринарной анатомии, биомеханики и особенностей оценки движений собак. Но главная сложность проекта — техническая: стабильная обработка видео, корректное распознавание позы, точное извлечение параметров движения и надёжная интерпретация результатов.

Где проект сейчас

На текущем этапе проект готов визуально и функционально: собрано мобильное приложение, серверный пайплайн обработки видео, модели компьютерного зрения, система анализа походки, медицинская база знаний и ИИ-консультант. Фокус смещается с разработки инфраструктуры на донастройку моделей и проверку системы на реальных данных.

Что дальше

Следующий этап — полноценная валидация результатов совместно с ветеринарными специалистами: нужно оценить точность и воспроизводимость анализа, сравнить выводы системы с профессиональной оценкой и понять, в каких сценариях продукт приносит практическую пользу.

Чем это может быть полезно — и что не заменит

Такой инструмент может быть полезен многим владельцам собак. Он не заменяет ветеринара, но способен помочь раньше заметить изменения в движении питомца, системно наблюдать динамику и принять более обоснованное решение об обращении к специалисту.

Открытый вопрос: есть ли реальный спрос

Чтобы дальнейшее развитие было оправданным, нужно подтвердить не только пользу идеи, но и реальный спрос: насколько часто владельцы сталкиваются с этой проблемой и готовы ли пользоваться таким инструментом. Сейчас я изучаю методы анализа рынка и проверки продуктовых гипотез — результаты определят дальнейшую судьбу проекта.

Даже если проект останется сложным домашним экспериментом почти на 300 часов работы, он уже дал мне то, ради чего стоило его делать: практический опыт работы с компьютерным зрением, локальными нейросетями и медицинскими данными на уровне полноценного продукта. А если исследование подтвердит спрос — этот прототип готов стать основой сервиса, который я смогу с гордостью предложить владельцам собак.

Смотреть видео

0:00 / 0:00