החווה שתופסת בעיות ימים לפני שהן עולות לך במנה
FCR שמטפס בחצי נקודה במנת חזירי הפיטום, עוף חולה שנעלם בלול פטמים של 20,000 עופות, אחוז ההטלה שמחליק מהשיא בלול המטילות — העובדים שלך מסיירים ברפת מדי יום ועדיין מפספסים את מה שמשתבש לאט. עד שזה מופיע במספרים השבועיים, המנה כבר בפיגור והעלות כבר נעולה. DeepLoop סוגרת את הלולאה לפני שזה עולה לך במנה שלמה.
עין על כל מכלאה, כל שעה — והיא פועלת על מה שהיא רואה
מה זה DeepLoop?
DeepLoop היא פלטפורמת בינה מלאכותית לחיות משק שמשתמשת במצלמות רגילות ובראייה ממוחשבת כדי לעקוב אחר לולות חזירים, ברוילרים ותרנגולות הטלה 24/7 — סופרת חיות, מעריכה משקל, עוקבת אחר התנהגות, ומזהה מחלות, סטייה במשקל ובעיות רווחה ימים לפני בדיקה ידנית. הזיהויים נכנסים ישירות לרישומי המשק ולהחלטות: מניות, תמותה, המרת מזון וימים לשחיטה. בלי חומרה קניינית — החקלאים רוכשים מצלמות רגילות לבד ומשלמים עמלה חודשית לכל לול.
העובדים שלך עוברים על כל מכלאה, כל יום — ועדיין מפספסים דברים. חזיר שמשתעל בלילה, ימים לפני שזה מופיע בציון השיעול. להקת פטמים שנודדת מקווי החום, כריות הרגליים מאדימות במצע רטוב מתחת לפטם דולף. ניקור נוצות שמתפשט בלול מטילות בעוד ביצי רצפה מטפסות ואחוז ההטלה מחליק מהשיא. עד שזה צף במספרים שלך — FCR, שרידות, אחוז הטלה — המנה כבר בפיגור והעלות כבר נעולה. אנחנו מתחילים היכן שהתצפית הידנית מסתיימת: הופכים כל אות מהחיה, המכלאה והסביבה — הליכה, יציבה, פיזור, צריכה, נשימה — להחלטות שסוגרות את הלולאה אוטומטית, לפני שהמספר זז.
רואה כל חיה
סופרת ועוקבת גם במכלאות צפופות — גם כשהחיות נערמות זו על זו או חוסמות את המצלמה.
יודעת מה נורמלי
ספירה חיה, משקל, גדילה, תמותה והתנהגות — נבדקים כמו שווטרינר היה בודק אותם.
מזהירה אותך מוקדם
מחלה מסומנת ימים מראש, ורשומות מספיק מוצקות כדי לסגור עליהן מנה בהתחשבנות.
מתחדדת
בכל מנה שהיא צופה בה, היא לומדת את הרפת שלך קצת יותר טוב.
איך DeepLoop עובדת
לצפות
מצלמות וחיישנים על החיות, המכלאה ואקלים הרפת.
להחליט
מזהה צרות מוקדם ומסבירה למה היא סימנה אותן.
לפעול
מכוונת הזנה, אקלים והתראות — או שרובוט מבצע את העבודה.
ללמוד
כל מנה גורמת לבאה אחריה לרוץ טוב יותר.
חמש רמות של אוטונומיית חווה
כמו רמות הנהיגה האוטונומית ששינו את הרכבים — אבל לרפת. כל רמה היא צעד לעבר מטרה אחת: החקלאי קובע את היעד — FCR בחזיר הפיטום, שרידות בלול הפטמים, אחוז הטלה בלול המטילות — והחווה מוצאת את הדרך. L1–2 היא האוטומציה שאפשר כבר לקנות בכל מקום — טיימרים, חיישנים, קופסאות אקלים. L3 היא המקום שבו DeepLoop חיה: מערכת שקוראת את החיות עצמן, ימים לפני העין האנושית — כמעט אף אחד אחר לא עושה את זה. L4–5 הוא הכיוון שאליו אנחנו הולכים: החווה שרצה, מחלימה ומשתפרת בעצמה.
הרפת שאפשר לראות
מצלמות וחיישנים שמצלצלים באזעקה כשמספר חוצה את הקו. אנחנו מתחברים למותגים שכבר יש לך — כך שאתה שומר על החומרה שכבר סומך עליה, ואנחנו בונים מעליה.
הרפת שמגיבה
בקרה סביבתית אוטומטית — אוורור, אקלים, הזנה, מים ומינון. נפוצה ומיושמת באופן רחב; אנחנו מתממשקים עם שותפי אקלים וציוד מבוססים במקום לבנות אותה מחדש.
הרפת שמזהה מחלה
סטיות משקל, חרחורים נשימתיים, הליכת צליעה ומצוקה התנהגותית עולות על פני השטח ימים לפני שביקורת ידנית תופסת אותן — התפרצות נשיכת זנב שנתפסת בזנבות הראשונים שננגסו, ניקור נוצות שנתפס לפני שהוא מתפשט בלול המטילות, התפרצות נשימתית שנתפסת לפני שהיא סוחפת את להקת הפטמים. זו תמותה נמוכה למנה ופחות פסילות בהתחשבנות — ההבדל בין מחזור טוב למחזור רע. זה החלק שאף אחד אחר לא פיצח.
הרפת שעושה את העבודות
עבודה פיזית שגרתית — בדיקה, איסוף תמותה, ניקיון, חיטוי — מתבצעת בלי צורך בזוג ידיים נוסף. למצוא עובדי חווה טובים כבר קשה מספיק; ב-L4 אתה מפסיק להתחרות עליהם.
הרפת שרצה לבד
הרפת ממשיכה ללמוד בעצמה ומשתפרת גם בטיפול בחיות וגם במספרים. כל מנה מלמדת אותה משהו. החקלאי קובע את היעד — FCR, עלות לק"ג, רצפת רווחה — והחווה מוצאת את הדרך.
מה היא עושה
הכול, מצפייה ברפת ועד ניהולה — התראות כבר היום, ותפעול עצמאי כשתהיה מוכן.
דע את המספרים שלך בזמן אמת
משקל, ספירה, צריכה ותמותה ברגע שהם קורים — לא ביום השקילה.
הרפת רצה לבד
הזנה ואקלים מתכווננים בעצמם כדי לעמוד ביעדים שלך.
רובוטים לעבודה המלוכלכת
בדיקה, איסוף תמותה, שטיפה וחיטוי בלי ידיים נוספות.
עובדת עם מה שיש לך
מתחברת למערכת ההזנה, לבקר האקלים ולרשומות שכבר יש לך.
היא לא רק מזהה בעיות. היא מטפלת בהן.
רוב הטכנולוגיה החקלאית נבנתה על ידי אנשים שמעולם לא עבדו ברפת — היא סופרת ומציירת גרפים, אבל לא מבינה כמה עולה לך חזיר חולה שפוספס. אנחנו בנינו את שלנו בכיוון ההפוך.
מה התראת '2 pigs missing' באמת עושה? אנחנו לא רק מתריעים — המערכת מיישבת את ספירת הראשים במכלאה, מעדכנת את רשומת התמותה, מחשבת מחדש FCR ו-ADG מול צפיפות האכלוס החדשה, מכוונת מחדש את עקומת ההזנה ואת נקודות הכיוונון של האוורור בהתאם, ודוחפת אומדן מתוקן של ימים-עד-לשיווק לגיליון ההתחשבנות שלך. אותה לוגיקה עוברת בין המינים: זינוק בכריות הרגליים מדרג מחדש את רווחת הפטמים ואת הפסילות הצפויות, ירידה בייצור ליום-מטילה מדרגת מחדש את להקת המטילות. כל זיהוי סוגר לולאה.
הצוות שלנו מבין ייצור בעלי חיים, לא רק אימון מודלים. חזיר חסר מזיז ADG, FCR, נפח מספוא וימים-עד-לשיווק בבת אחת. כתם מצע רטוב מתחת לקו פטמים דולף מוביל לנגעי כריות רגליים, כווית עוקץ ופסילות במשחטה — שבועות לפני שגיליון השחיטה מראה זאת. ניקור נוצות שנתפס מוקדם בלהקת מטילות שומר על אחוז ההטלה ומרחיק ביצי רצפה והורדות דירוג מההתחשבנות. אנחנו לא רק רואים את הזיהוי — אנחנו יודעים כמה הוא עולה במורד הזרם ומה לעשות בנידון.
מערכות אירופיות גובות 20–50K יורו על חומרה קניינית בתוספת דמי רישוי שנתיים, ואז קופאות בהתקנה. מערכות סיניות לוקחות 100–200K RMB מראש ומפסיקות להשתפר ביום שהצ'ק נפרע. DeepLoop לא מוכרת לך שום חומרה בכלל — אנחנו נותנים לך רשימת מפרט מדויקת של רכיבים סטנדרטיים שכל אחד יכול לקנות — מצלמות, מתגי רשת וכיוצא בזה — ואתה רוכש אותם בעצמך מכל ספק, מקוון או מקומי, במחיר עלות. בלי מחברים קנייניים, בלי נעילת ספק, בלי תוספת מחיר. אתה משלם על ההתקנה בתוספת מנוי חודשי קטן לכל לול — ולא יותר. זה מה שסוף סוף מביא את הטכנולוגיה להישג ידו של מגדל חוזה קטן, ולא רק לחוות ראווה מסובסדות. אנחנו מרוויחים רק כשהמערכת מוכיחה את עצמה ברפת שלך.
רוב הספקים לא נוגעים במוצר שוב אחרי יום ההתקנה — הם כבר קיבלו את הכסף. שלנו ממשיכה להשתפר: כל מנה, כל לול, כל חווה מזינים בחזרה מה שהווטרינר באמת אישר, והשיפורים מגיעים לרפת שלך כעדכונים שאתה לא משלם עליהם תוספת. המערכת שצופה בבעלי החיים שלך מתחדדת כי היא צופה גם בלולי חזירים, פטמים ומטילות במקומות אחרים — מה שהיא לומדת בחווה אחת עוזר לה לזהות את אותה צרה אצלך. כל חווה חדשה שמצטרפת הופכת את הזיהוי של כל חווה קיימת לטוב קצת יותר. אחרים מוכרים לך תמונת מצב קפואה; שלנו ממשיכה ללמוד. בכל מנה שהיא צופה בה, היא מתחדדת קצת יותר.
למה האחרים לא עבדו
שלוש דרכים שבהן האחרים נכשלים, סיבה אחת משותפת: הם מרוויחים על מכירת חומרה, אז זה בדיוק המקום שבו האינטרס שלהם נגמר. שלנו מתחיל בדיוק במקום שבו שלהם נעצר — אחרי ההתקנה.
עקרונות ששומרים עלינו ישרים
אלה חיות חיות, לא מדפים במחסן — מהלך שגוי עולה כסף אמיתי ורווחה אמיתית. אלה הכללים שכל מוצר של DeepLoop נבחן לפיהם.
הווטרינר מאשר קודם
כל החלטה שהמערכת מקבלת נבדקת מול מה שהווטרינר באמת מצא — לא ניחוש. אם וטרינר לא היה מאשר את ההחלטה, המערכת לא מקבלת אותה.
ביסוס ביולוגי תחילה
כל מודל מאומת מול אמת קרקע וטרינרית אמיתית — לא התאמת תבניות לא בדוקה. אם וטרינר לא היה מאשר את ההחלטה, המערכת לא מקבלת אותה.
כשל בטוח, לא כשל רועש
בביטחון נמוך המערכת חוזרת למצב הבטוח האחרון הידוע. היא לא מנחשת, והיא לא קופאת. מהלך אוטונומי שגוי על חיה חיה עולה יותר מהתראה שהוחמצה — לכן אנחנו נוטים לבטוח.
היא מראה לך למה
חקלאים ווטרינרים חייבים להבין למה המערכת פעלה. מערכת שלא יודעת להסביר את עצמה לא זוכה באמון ברפת. כל התראה נושאת את הראיה שלה — התמונה, המספר, הקו שהיא חצתה.
הלולאה חייבת להיסגר
כל מוצר משלים את המחזור המלא לחוש → להבין → להחליט → לפעול. שום דבר בנוי-חצי לא יוצא לשוק. זיהוי שאינו מניע פעולה הוא רק לוח מחוונים — ואנחנו לא בונים לוחות מחוונים.
כל רפת רצה לבד — ורצה טוב יותר בכל מנה
החקלאי קובע את המטרה — והחווה מוצאת את הדרך. כל מנה היא לוח תוצאות: FCR בחזיר הפיטום, שרידות בלול הפטמים, אחוז הטלה בלול המטילות. DeepLoop קוראת את זה לפניך, ומתאימה לפני שאתה צריך. אנחנו בונים לקראת החווה שמטפלת בשגרה בעצמה — חזיר, פטם ומטילה כאחד: עלות נמוכה יותר, רווחת בעלי חיים טובה יותר, ועוד לולים בלי לגייס עוד עובדים.
תראה אותה פועלת ברפת אמיתית.
אנחנו מוכיחים את זה עכשיו ברפתות חזירים אמיתיות ופועלות, תופסים סטיית FCR, תמותה ומחלה מוקדמת ברגע שהן קורות. אותן מצלמות ואותה לולאה רצות על פני שלושה סוגי חוות — חזיר הפיטום שרודף אחר FCR, לול הפטמים שרודף אחר שרידות, להקת המטילות ששומרת על אחוז ההטלה: אותה מערכת, חיות שונות, מספרים שונים. מה שלא תגדל — חזירים, פטמים או מטילות — בוא נדבר.
