Januya

Проблема, которую не видно, пока не станет поздно

Курица, заболевшая в птичнике на тысячи голов, первые дни выглядит и ведёт себя как здоровая. К моменту, когда фермер замечает неладное на глаз, инфекция уже успевает разойтись по соседним клеткам — и убытки считаются уже не по одной птице, а по стае.

Команда формулирует это через три слова: позднее выявление, отсутствие постоянного контроля, высокая смертность от инфекций.

Что придумали

Januya — система ранней диагностики болезней у кур на компьютерном зрении и ИИ, рассчитанная и на крупные агрокомпании, и на частных фермеров.

Тепловизор MLX90640 фиксирует температуру каждой птицы, камера делает снимки — оба потока идут на Raspberry Pi 4. OpenCV отделяет птицу от фона, YOLOv8-Nano ищет визуальные признаки болезни, а через Asyncio и WebSocket результат в реальном времени попадает на сайт и в приложение. При признаках болезни фермер получает уведомление сразу, а не по факту падежа.

Отдельная деталь конструкции — компьютерная гомография: несколько камер в птичнике «сверяются» друг с другом, что снижает число ложных срабатываний одной камеры. По утверждению команды, большинство аналогов анализируют только среду обитания (температуру и влажность помещения), а не саму птицу — Januya, с их слов, единственная система, которая распознаёт признаки болезни по внешним факторам конкретной курицы.

Как это началось

«Изначально наша идея была связана с дикими птицами. Однако, листая Instagram, один из участников команды наткнулся на новость о вспышке сальмонеллёза в Казахстане, что ещё интереснее — данный случай произошёл неподалёку от нашей области».

«Тогда мы поняли, что сфера, которую мы выбрали изначально, не нуждалась в цифровизации, как отрасль птицеводства».

По словам команды в питче, сама идея родилась ещё в середине 9 класса, и первая модель — «стартовый прототип» — появилась буквально за пару недель энтузиазма, а всё дальнейшее время ушло на её улучшение.

Главный провал: 150 километров за одним тестом

Труднее всего было не написать код, а найти оборудование и людей, готовых его на себе испытать.

«Труднее всего было найти подходящее оборудование. К сожалению, в Казахстане подобная техника пока мало распространена, поэтому большинство компонентов приходилось заказывать из-за рубежа… В какой-то момент мы всерьёз переживали, что из-за задержек поставок не успеем сдать проект к дедлайну полуфинала Samsung Solve for Tomorrow 2025».

Тестовую площадку в небольшом городе искать оказалось не легче:

«Для этого мы вставали в пять утра, отправлялись на рынок и искали людей с собственным хозяйством. На тестировку согласились лишь единицы, и к каждому предстояла долгая дорога — более 150 км за городом. Первое тестирование оказалось неудачным из-за недостаточной длины кабеля и технических неполадок. Однако последующие два тестирования прошли успешно».

Разбор изобретателя

Метод-этап	Полевая валидация в условиях дефицита — и оборудования, и доступных пользователей
Что сработало	Ручной поиск пользователей без посредников (рынок, объезд хозяйств за 150 км) и быстрая переделка после первого неудачного теста — следующие два прошли успешно
Что не сработало	До полевых тестов команда пыталась довести прототип «до идеала» в изоляции, из-за чего откладывала участие в конкурсах и нетворкинг: «мы не понимали, почему так происходит, и только позже осознали, что пытались архивировать все неровности» [питч]
→ Инструмент Части 2	Правило раннего показа: не полировать прототип в одиночку до идеала — выносить его на живую критику как можно раньше, пока ошибки ещё дёшево чинить

Где проект сейчас

По аудио-интервью после конкурса команда не остановилась, а ушла вглубь: начала читать научные статьи по птицеводству и сельхозтехнологиям — то есть добирала предметную базу, которой школьнику по определению не хватает.

Параллельно — серия побед: по словам команды, взяты призовые места на нескольких казахстанских конкурсах и на двух международных.

На проект оформлено авторское право — подтверждено СМИ (aqmolacom.kz, 11.03.2026), научный руководитель — Анара Капанаева.

По словам команды в питче, после SfT они также побеждали на нескольких турнирах: , а из международных — InfoMatrix Asia и Fibonacci International Robot Olympiad (последнее подтверждено schools.nis.edu.kz). Начато партнёрство с .

Дальше — команда говорит о запуске проекта как стартапа и готовит масштабное тестирование; конкретных сроков и объёма в материалах нет.

После конкурса — по итогам открытого поиска по участникам (август 2026, с командой не сверено): есть следы предпринимательской траектории (стартап-роли в публичных профилях); участники заметны в конкурсах и олимпиадах после сезона. Имена участников не публикуются.

Потенциал развития

Взгляд со стороны: чем этот проект может стать, если довести его до продукта. Менторской сессии в материалах по этому кейсу нет — гипотезы построены на конкретном техническом стеке проекта и на собственном позиционировании команды (B2B + B2C). Это аналитическая гипотеза редакции, а не заявление команды.

Ценность Januya — не в конкретном алгоритме для кур, а в связке: тепловое изображение + визуальное распознавание + мультикамерная сверка (гомография), настроенная на edge-устройстве (Raspberry Pi) без постоянного облака. Это метод обнаружения ранних отклонений по температуре и поведению, а не диагноз, привязанный к одному виду птицы. Второй актив — размеченные данные: пары «тепловой снимок + визуальный кадр» для здоровой и заболевающей курицы на разных стадиях — таких датасетов для региона почти нет в открытом доступе.

Модель, к которой команда уже склоняется в анкете (агрокомпании и частные фермеры), экономически осмысленна при том же расщеплении, что и у других агротех-проектов: крупные птицефабрики платят за оборудование и обслуживание, потому что убытки от падежа считаются в валюте, а не в курицах; малые фермеры получают доступ к упрощённой версии дешевле, потому что база (edge-модуль на Raspberry Pi) уже не требует облачной подписки.

Пять направлений, куда это масштабируется

Направление	Что переиспользуется	Пример применения
Другие виды скота	Связка «тепловая сигнатура + компьютерное зрение» для раннего выявления	Свиноводство, КРС — та же логика: температура тела меняется раньше, чем видимые симптомы
Доступный ветеринарный edge-модуль	Raspberry Pi + недорогой тепловизор вместо дорогих западных систем мониторинга	Малые фермерские хозяйства, которым не по карману промышленные системы контроля стада
Мультикамерный трекинг поголовья	Компьютерная гомография для сверки нескольких камер	Подсчёт и трекинг перемещений скота на крупных фермах — не только диагностика, но и учёт
Размеченный датасет ранних симптомов	Пары тепловых и визуальных снимков по стадиям болезни	Обучающая выборка для агротех-исследований в регионе, где таких данных почти нет
Платформа фермы в реальном времени	WebSocket-инфраструктура уведомлений на сайт/приложение	Расширение с диагностики здоровья на микроклимат и кормление — тот же канал передачи данных

Что нужно доказать, чтобы это состоялось. Первое — точность модели за пределами трёх полевых тестов в 150-километровом радиусе от Кокшетау: выборка пока небольшая. Второе — юнит-экономику устройства: компоненты заказывались из-за рубежа с задержками, локализация поставок не решена. Третье — правовой статус: авторское право на проект получено, но патент и сертификация для промышленного применения в материалах не подтверждены.

Что советуют тем, кто начинает

«Если ваш проект только на уровне идеи — самое главное начать. Самое сложное на пути создания — это начать. Поэтому исследуйте, изучайте, опрашивайте потенциальных клиентов, спрашивайте мнение окружения про вашу задумку. Сделайте кривой, неидеальный прототип, проверьте его работу — и вы увидите тонкости и нюансы вашей идеи, вот тогда и получится действительно улучшать её. Не нужно гнаться за безупречностью, лучше проверять всё на практике».

«Изобретать — это…»

«Изобретать — это создавать полезное».

Взгляд эксперта

Аналитическая врезка редакции: оценка проекта и принципа, который он демонстрирует, — не команды.

Что здесь инженерно сильно. Команда выбрала самый трудный из честных путей: не датчик на одну курицу, а компьютерное зрение по стае — задача, на которой ломаются и взрослые агротех-стартапы. Ключевое решение — тепловизор как первичный сигнал: температура выдаёт болезнь раньше поведения, и это ровно тот случай, когда выбор сенсора важнее выбора алгоритма.

Какой принцип это демонстрирует. Изобретение начинается с полевой работы: десятки поездок по хозяйствам в радиусе 150 км дали то, чего не даёт ни один датасет из интернета, — понимание, как выглядит настоящий птичник. Оформленное авторское право показывает вторую зрелую привычку: защищать результат до того, как о нём рассказывать.

Куда это масштабируется. Модель «непрерывный скрининг вместо периодического осмотра» переносится на любое стадо и любую ферму; для агрострany с дефицитом ветеринаров это инфраструктурная идея, а не гаджет.

Официальное описание

Формулировка организатора с сайта конкурса solvefortomorrow.kz — приводится как есть, это не текст редакции.

Любой эксперт в области сельского хозяйства скажет, что проблему распространения инфекций в птицеводстве никак нельзя недооценивать. Так, только в Казахстане в 2020 году погибло около 1 миллиона домашних птиц из-за вспышки птичьего гриппа. Внести свой вклад в раннее выявление заболеваний и увеличению постоянного контроля за здоровьем птиц решилась команда Januya. Ребята из Кокшетау разработали одноименную систему, которая, благодаря встроенному AI, специальному мобильному приложению и датчикам, может определять целый набор болезней птиц на ранних стадиях.

Место: финалист