Kiedy rozmawia się o AI w polskim rolnictwie, dominują dwa obrazy. Pierwszy — drony nad polami, precyzyjne opryski, mapy wegetacji. Drugi — systemy prognozowania plonów, modele pogodowe, platformy decyzyjne dla trackingu upraw. Oba są ważne. Oba mają jednak tę samą cechę: są sezonowe, a ich efekty są mierzone raz w roku, gdy zbiera się plon.
Produkcja zwierzęca jest inna. W fermie drobiu stado zmienia się co 42 dni. W fermie mlecznej cykl produkcyjny jest jeszcze krótszy. Decyzje operacyjne podejmuje się każdego dnia, a błędy są mierzone w tygodniach, nie latach. To jest środowisko, w którym ciągły, zautomatyzowany monitoring daje największą i najszybszą wartość. I to jest środowisko, którego polska branża rolno-spożywcza dopiero zaczyna w pełni wykorzystywać.
Fermy drobiu — co już działa
Ferma drobiu jest środowiskiem, które wydaje się prostsze, niż jest w rzeczywistości. Dziesiątki tysięcy sztuk ptaków w jednym kurniku, przemieszczających się dynamicznie, trudno rozróżnialnych — to jest wyzwanie techniczne, które jeszcze kilka lat temu było na granicy możliwości CV. Ostatnia generacja modeli (ViT, SAM, detekcja obiektów na setkach tysięcy instancji na obrazie) to już rozwiązuje.
Analiza rozkładu stada. Kamery pod sufitem kurnika generują dane ciągłe. System analizuje rozkład ptaków — czy są skupione, czy rozproszone, czy dobrze wykorzystują całą powierzchnię. Rozkład stada jest bardzo wczesnym wskaźnikiem problemu z wentylacją, ogrzewaniem, żywieniem, stresem. Zwykle jest problemem znacznie wcześniej niż jakakolwiek metryka produkcyjna.
Wykrywanie anomalii behawioralnych. Stado, które zaczyna zachowywać się nietypowo — mniej porusza się, więcej śpi, skupia się na małym obszarze — sygnalizuje problem zdrowotny z 24-48h wyprzedzeniem przed widocznymi objawami klinicznymi. System porównuje bieżące zachowanie z baselinem dla danego wieku stada i alertuje o odchyleniach.
Automatyczna ocena masy ciała. Klasyczny pomiar masy wymaga ręcznego ważenia próbek. CV szacuje masę na podstawie objętości i proporcji, analizując obraz każdego ptaka w polu widzenia. Daje ciągłą, reprezentatywną dla całego stada krzywą wzrostu.
Detekcja upadków i szybkie lokalizowanie martwych sztuk. Praca sanitarna na fermie drobiu to w dużej mierze ręczne szukanie upadków. System CV to automatyzuje — lokalizuje martwą sztukę, pracownik idzie konkretnie do tego miejsca. Oszczędność czasu 30-50% w typowej fermie 100 000 sztuk.
Bydło mleczne i opasowe — gdzie wartość największa
Ferma mleczna ma zupełnie inną ekonomię niż ferma drobiu. Indywidualna krowa jest wielokrotnie cenniejsza, jej identyfikacja jest prostsza (mniejsze stada, bardziej zróżnicowane osobniki), a wartość biznesowa decyzji na poziomie pojedynczego zwierzęcia jest istotna.
Identyfikacja indywidualna przez wzorce skóry. Zamiast klasycznych kolczyków RFID — identyfikacja wizualna na podstawie wzorców skóry każdej krowy. Technologia dojrzała; działa w kilkuset fermach w Europie Zachodniej i USA. Upraszcza operacje (nie trzeba skanować kolczyków), eliminuje błędy, umożliwia śledzenie każdego zwierzęcia przez cały dzień.
Detekcja ciepłoty (rui) przez zachowanie. Krowa w rui zmienia wzorzec aktywności — więcej się porusza, wchodzi na inne krowy, mniej się pasie. CV rozpoznaje te wzorce w czasie zbliżonym do rzeczywistego, z czasem detekcji 12-24h wcześniej niż obserwacja pracownika. Dla sukcesu rui kilka godzin decyduje.
Monitoring zdrowia nóg (ocena chodu). Kulawizna jest jedną z głównych przyczyn wybrakowania krów mlecznych. System CV ocenia chód każdej krowy przechodzącej przez określone punkty w ferma (np. wyjście z dojarni) i alertuje o pogorszeniu. Wczesna detekcja daje szansę na leczenie, zanim problem stanie się nieodwracalny.
Analiza aktywności żywieniowej. Ile czasu krowa spędza przy stole paszowym. Częstotliwość, kolejność, wzorce. To jest metryka silnie skorelowana ze zdrowiem metabolicznym i produktywnością. System CV mierzy ją dla każdego osobnika ciągle.
Ocena kondycji ciała (body condition scoring). Klasyczna ocena wizualna wykonywana ręcznie przez weterynarza lub pracownika co kilka tygodni. System CV robi to automatycznie, codziennie, dla każdej krowy — krzywa kondycji w czasie jest jednym z najlepszych predyktorów problemów metabolicznych.
Trzoda chlewna — monitoring behawioralny i zdrowotny
Produkcja trzody w Polsce przeszła przez trudne lata związane z ASF (afrykański pomór świń). Branża jest mniejsza niż przed dekadą, ale istnieją konsolidujące się operacje, które inwestują w nowoczesne technologie zdrowotne. CV ma tu szczególną wartość, bo:
Detekcja kaszlu. Kaszel w chlewni jest wczesnym wskaźnikiem chorób układu oddechowego, które rozprzestrzeniają się szybko. System analizy audio (nie stricte CV, ale często w tym samym pakiecie) monitoruje wzorce kaszlu w czasie rzeczywistym i alertuje o anomaliach.
Monitoring aktywności i zachowania społecznego. Świnie, które odłączają się od grupy, mniej się poruszają, mniej jedzą — pierwsze objawy choroby. CV automatycznie identyfikuje takie osobniki, co pozwala na szybką interwencję.
Automatyczna ocena masy. Analogicznie jak w drobiu — CV szacuje masę na podstawie obrazu, daje krzywą wzrostu bez ręcznego ważenia.
Monitoring rozrodu. Detekcja ciepłoty u loch, monitoring porodu, ocena dobrostanu prosiąt. Dobrze zbadany obszar z licznymi case studies produkcyjnymi.
Architektura techniczna wdrożenia
Wdrożenie produkcyjne CV na fermie jest projektem infrastrukturalnym — o tym często się zapomina, mówiąc „system CV".
Warstwa sensoryczna. Kamery — dobór zależny od zastosowania (IP, IR, thermal dla niektórych scenariuszy), ich rozmieszczenie (nie trywialne — zła geometria niszczy jakość detekcji), infrastruktura sieciowa (ferma zwykle nie ma dobrej sieci), zasilanie. To jest kwartały pracy i setki tysięcy złotych CAPEX, nie miesiąc i komponent IT.
Warstwa edge computing. W fermach gigabitowa transmisja wideo do chmury jest często niepraktyczna (łącze, koszty). Typowa architektura: edge device przetwarza wideo lokalnie, przesyła tylko metadane i alerty do centrali. To wymaga modeli zoptymalizowanych do deployment na edge (ONNX, TensorRT, model quantization).
Warstwa modelu. Modele bazowe — najczęściej architektury oparte na ViT lub transformers zaadaptowane do wideo. Trening na zbiorach rzędu setek tysięcy annotacji (część rzeczywistych, część syntetycznych). Fine-tuning site-specific dla każdej fermy po 2-4 tygodniach zbierania lokalnych danych.
Warstwa analityczna i alertowa. System, który przekłada detekcje CV na decyzje biznesowe. Baseline dla fermy, wykrywanie anomalii, priorytetyzacja alertów, integracja z systemami zarządzania fermą (ERP, systemy żywieniowe, systemy weterynaryjne).
Warstwa interfejsu operatora. To często niedoszacowane. Pracownik fermy nie jest analitykiem danych. Interfejs musi być czytelny, priorytetyzujący, wbudowany w jego codzienny workflow — nie osobna aplikacja do logowania się.
Typowe błędy w projektach CV w agro
Patrząc na pierwsze polskie wdrożenia CV w produkcji zwierzęcej, widzę kilka powtarzalnych problemów.
Start od modelu, nie od problemu. Zespoły zaczynają od „wdrożymy CV w fermie" zamiast od „jaki konkretny problem biznesowy chcemy rozwiązać i o ile się to opłaca". W efekcie budują produkt technologicznie imponujący, ale niekoniecznie taki, który farmer kupiłby.
Niedoszacowanie prac infrastrukturalnych. Sama instalacja kamer, sieci, zasilania na dużej fermie to 20-40% kosztu projektu. Zespoły skupione na AI/ML potrafią planować te prace pod budżet 10% — i spalają projekt na etapie wdrożenia.
Brak zaangażowania zespołu fermy. Projekt narzucany z góry przez IT/controlling, bez realnego partnera w zespole operacyjnym fermy, jest projektem, który nie będzie używany. Kluczowy jest champion po stronie farm manager'a lub głównego zootechnika.
Niewystarczający dataset dla lokalnych warunków. Model trenowany na datasetach holenderskich czy duńskich ma problem z polskim bydłem (różne rasy), polskimi budynkami inwentarskimi (inna geometria, oświetlenie), polskimi systemami utrzymania (inne proporcje przestrzeni). Fine-tuning site-specific jest niezbędny.
Brak wbudowanego planu ciągłego doskonalenia. CV nie działa „instalowalnie" — wymaga okresowego retrainingu na nowych danych, gdy zmieniają się warunki, pojawiają nowe wzorce, zużywają się kamery. Umowa z dostawcą musi to obejmować.
Finansowanie — AGROSTRATEG i inne
Dla polskich projektów CV w produkcji zwierzęcej w 2026 roku dostępne są następujące ścieżki.
AGROSTRATEG NCBR — najbardziej dopasowane źródło. Obszary tematyczne T2 (środowisko, dobrostan) i T3 (systemy produkcji) bezpośrednio obejmują projekty tego typu. Budżet programu 300 M PLN. Deadline 28 sierpnia 2026. Wymagany model konsorcjalny producent-jednostka B+R-firma technologiczna; struktura, w której naturalnie mieści się rola integratora.
FENG Ścieżka SMART — dla projektów z silnym komponentem innowacyjnym (nowa metoda, nowy model, specjalizacja dla polskich ras i systemów produkcji). Do 140 M PLN w konsorcjum. Nabór w czerwcu-sierpniu 2026.
WPR (Wspólna Polityka Rolna) — interwencje rolnośrodowiskowe, wsparcie dla dobrostanu zwierząt. Wpłaty dopłat dla producentów wdrażających systemy monitoringu dobrostanu.
Horyzont Europa Cluster 6 (food, bioeconomy) — dla konsorcjów międzynarodowych. Polskie jednostki B+R i firmy są aktywnymi partnerami; budżety sensowne.
Budżety własne dużych grup. Cedrob, Mlekpol, Superdrob i inne duże grupy mają budżety CAPEX/OPEX na modernizację technologiczną. Cykle zakupu 6-12 miesięcy. Grant nie jest wymagany — czasem wręcz komplikuje procurement.
Modele mieszane. Najciekawsze — grupa producencka + integrator + firma technologiczna w konsorcjum AGROSTRATEG. Producent dostaje wdrożenie częściowo sfinansowane z grantu i komercjalizuje go dalej w swojej grupie. Firma technologiczna dostaje case study z polskiego rynku, który potem eksportuje.