Innovatsiooniprojekti ideekavand1

AVALIKU SEKTORI INNOVATSIOONIVÕIMEKUSE TÕSTMINE

Ideekavandit täites palume tutvuda riigikantselei veebilehel toodud soovituste ja juhistega projekti esitajale.

Innovatsiooniprojekti nimi
AI-põhise veterinaarse kontrolli ja loomade heaolu seiresüsteemi arendamine tapamajades

Innovatsiooniprojekti fookusvaldkond
☐ Droonitehnoloogiate valdkond
☒ Tehisintellekti lahenduste valdkond
Innovatsiooniprojekti panus valitsuse tegevuskava prioriteetidesse
☒ Riigi kriisikindluse suurendamine
☒ Majanduse kasvule kaasa aitamine 
☒ Riigi tõhus juhtimine
Innovatsiooniprojekti esitajad
(tulevased RK partnerid) (asutus/asutused)2
Põllumajandus- ja Toiduamet, edaspidi PTA

Projektijuht või ideekavandi esitaja kontaktisik
(nimi, asutus, e–posti aadress ja telefon)
Lauri Kirs, projektijuht
Põllumajandus- ja Toiduamet
[email protected]
Teaduse tn 2, Saku, Harjumaa 75501
+372 5302 4562
Innovatsiooniprojekti kestus (kuudes)
36 kuud

Ajaarvestust alustame üldjuhul partnerluslepingu sõlmimisest.
Innovatsiooniprojekti kogumaksumus
(sh käibemaks, kui on abikõlblik)
Kogumaksumus: 1 000 000 eurot

Partner 1: Põllumajandus- ja Toiduamet 1 000 000 eurot

Käibemaks
☒ jääb kulu tegija kanda (käibemaks abikõlblik)
☐ saab küsida riigilt tagasi (käibemaks ei ole abikõlblik)

Vastav info täita iga partneri kohta (kopeeri ridu ning kirjuta partneri nimi juurde)


1. Probleemikirjeldus (max 2 lk)

Kirjeldage lahendamist vajavat probleemi, selle olulisust ning keda see probleem puudutab.

• Selgitage, miks on probleem aktuaalne.
• Hinnake probleemi mõju (nt rahaline kokkuhoid, keskkonna- või sotsiaalne kasu).Kirjeldage probleemi tausta. Mida on probleemi lahendamiseks Eestis juba tehtud või mis on tegemisel? Tooge välja relevantsed teiste riikide kogemused probleemi lahendamisel.
Tapamajades teostatav ametlik veterinaarne kontroll on Põllumajandus- ja Toiduameti (PTA) riikliku järelevalvesüsteemi oluline osa, mille eesmärk on tagada toiduohutus, kaitsta loomade/lindude tervist ning hinnata nende heaolu kogu toidutootmise ahelas. Veterinaarjärelevalve hõlmab nii elusloomade tapaeelset (ante mortem) kui ka tapajärgset (post mortem) kontrolli, mille käigus hinnatakse iga looma, rümpa ja vajaduse korral siseorganeid, et tuvastada haigustele viitavaid patoloogilisi muutusi, loomade heaolu rikkumiste tunnuseid ning muid kõrvalekaldeid, mis võivad mõjutada liha ohutust või kvaliteeti.
Oluline osa kontrollist on ka loomade ja rümpade puhtuse hindamine. Eesmärk on avastada fekaalne või muu mikrobioloogilist saastumise ohtu põhjustav määrdumine, mis võib tekkida näiteks loomade määrdunud karvkatte või sulestiku, nahatustamise käigus rümpade saastumise või siseorganite vigastamisest tingitud mao- või soolesisalduse sattumise tõttu rümbale. Selliste saastumiste õigeaegne avastamine on kriitilise tähtsusega toiduohutuse tagamisel.
Kontroll toimub reaalajas tootmisliinil ning on ajakriitiline ja suure töömahuga protsess. Veterinaarjärelevalve ametnikud peavad piiratud aja jooksul hindama väga suurt hulka loomi ja rümpasid ning tegema nende põhjal otsuseid liha toidukõlblikkuse kohta. See eeldab kõrget erialast pädevust, järjepidevat tähelepanu ning ühtlast hindamiskvaliteeti, mistõttu on tegemist ühe ressursimahukama avaliku järelevalve protsessiga toiduohutuse valdkonnas.

2025 aastal tapeti Eestis ja kontrolliti PTA poolt 13 562 063 broilerit ning 488 919 kodusiga. Broileri liini kiirus on 7000 lindu/tunnis.

Veterinaarametnikke, kes ametlikku veterinaarkontrolli tapamajades läbi viivad, on kokku 49, kelle keskmine vanus on 60 aastat. Nendest 11 on täna juba pensioniealised.

Täna põhineb broilerite ja kodusigade tapajärgne kontroll visuaalsel hindamisel, mis tähendab, et:
• iga rümba hindamine sõltub ametniku tähelepanust ja kogemusest;
• otsused tehakse suure kiiruse ja ajasurve tingimustes;
• andmeid kogutakse ebaühtlaselt ning sageli mitte masinloetaval kujul;
• kontrollitulemused ei moodusta automaatselt analüüsitavat andmestikku.

Peamised kitsaskohad praktikas:
• Tööjõu ja pädevate järelevalveametnike nappus
PTA järelevalve tugineb kvalifitseeritud veterinaariametnikele, kelle arv on piiratud ning kelle töökoormus sõltub otseselt tapamajade tootmismahtudest. Samal ajal süveneb nii Euroopas kui ka Eestis veterinaarspetsialistide nappus ning tööjõu vananemine, mis seab surve alla järelevalve teenuse jätkusuutlikkuse ja kvaliteedi.

• Reaalajas kontrolli piiratus
Post mortem kontroll peab toimuma tootmisliini kiirusega, mis tähendab, et inspektoril on väga piiratud aeg iga rümba ja elundi hindamiseks. See suurendab riski, et peened või varajases staadiumis patoloogiad võivad jääda märkamata või dokumenteerimata.

• Kontrolli subjektiivsus ja varieeruvus
Kuigi PTA kontrollprotseduurid on standardiseeritud, sõltub visuaalse hindamise tulemus siiski inspektori kogemusest ja töötingimustest (valgus, liini kiirus, koormus). See võib põhjustada erinevusi hinnangutes, eriti piirjuhtumite korral.

• Andmete killustatus ja piiratud kasutus
PTA järelevalve käigus kogutakse teavet broilerite ja sigade kontrolli käigus tuvastatud kõrvalekallete kohta, kuid suur osa visuaalsest informatsioonist ei muutu struktureeritud andmestikuks, mida saaks automaatselt analüüsida või kasutada farmipõhiseks tagasisidestamiseks ja riskipõhiseks järelevalveks.

• Reaktiivne järelevalvemudel
Praegune süsteem on valdavalt reaktiivne – probleemid tuvastatakse tapamajas ning nende põhjal võib hiljem rakendada täiendavaid meetmeid farmides. Süsteem ei võimalda piisavalt kiiret ega andmepõhist ennetust farmitasandil.

Eestis tehtu ja olemasolev olukord:

Eestis kasutatakse tapamajades kaasaegseid tootmis- ja kvaliteedisüsteeme, kuid veterinaarkontrolli automatiseerimine on seni olnud piiratud. Mitmes tootmisetapis kasutatakse kaameraid ja automaatikat, kuid AI-põhiseid lahendusi veterinaarseks kontrolliks, patoloogiate tuvastamiseks ning loomade heaolu süstemaatiliseks hindamiseks ei ole võetud.

Praegu puudub Eestis ühtne andmepõhine süsteem, mis võimaldaks koguda tapamajades automaatselt loomade heaolu ja tervisenäitajaid, siduda need konkreetsete farmidega ning luua farmipõhiseid heaolu- ja terviseprofiile.

Rahvusvaheline kogemus

Euroopas on viimastel aastatel käivitatud mitmeid arendusprojekte, mille eesmärk on viia veterinaarne kontroll ja loomade heaolu hindamine tehisintellekti abil uuele tasemele.

Näiteks arendatakse Euroopa Liidu rahastatud aWISH projektis automaatseid süsteeme broilerite ja sigade heaolunäitajate mõõtmiseks tapamajades, eesmärgiga luua pidev tagasisideahel farmi, transpordi ja tapamaja vahel.

Sigade puhul on Euroopas loodud AI-põhiseid lahendusi sabavigastuste, kõrvakahjustuste ja nahavigastuste automaatseks hindamiseks ning loomade/lindude heaolu jälgimiseks farmis. Samuti on arendatud süsteeme kopsu- ja maksakahjustuste automaatseks tuvastamiseks ning hingamisteede haiguste seireks.

Kodulindude puhul kasutatakse mitmes Euroopa riigis automaatseid jalapadjandite kahjustuste hindamise süsteeme, mille eesmärk on objektiivselt mõõta loomade heaolu ning anda tootjatele regulaarset tagasisidet pidamistingimuste parandamiseks.

Rahvusvahelised näited kinnitavad, et AI‑põhine kontroll ei ole enam tulevikutehnoloogia, vaid kiiresti arenev ja praktikas toimiv lahendus. Eestis puudub AI‑põhine tehnoloogiline raamistik, mida saaks rakendada veterinaarses kontrollis, loomade heaolu hindamisel ning farmidele suunatud tagasisidesüsteemis.

Projekti oodatav mõju

Majanduslik mõju:

• veterinaarse kontrolli tööaja vähenemine;
• kontrolliprotsesside suurem läbilaskevõime;
• väiksem sõltuvus piiratud erialaspetsialistidest;
• kvaliteedi- ja tootmisandmete parem kasutamine juhtimisotsustes;
• haiguste ja heaoluprobleemide varasem avastamine farmides.

Sotsiaalne mõju:

• kõrgem toiduohutuse tase;
• parem loomade heaolu;
• objektiivsem ja ühtlasem kontrollikvaliteet;
• veterinaarspetsialistide töökoormuse vähenemine ning keskendumine suurema riskiga juhtumitele.

Keskkonna- ja jätkusuutlikkuse mõju:

• väiksem toidukadu tänu kvaliteediprobleemide varasemale avastamisele;
• tõhusam ressursikasutus loomakasvatuses;
• tervemate loomade kasvatamine ning väiksem vajadus korrigeerivate sekkumiste järele;
• andmepõhine loomakasvatus, mis toetab kestlikumat tootmist.

Projekti tulemusena luuakse eeldused üleminekuks AI-toega tapaeelsele- ja tapajärgsele kontrollile, mis võimaldab tulevikus hinnata praktiliselt kõiki tapaliinilt läbivaid loomi ning kujundada Eesti loomakasvatuses uus andmepõhine loomade heaolu ja tervise juhtimise mudel.


2. Projekti eesmärk

Sõnastage konkreetne, selge ning mõõdetav eesmärki, mille saavutamist või mitte saavutamist on võimalik hinnata.

• Kirjeldage, kuidas plaanite projekti eesmärgi saavutamist mõõta.
Projekti üldeesmärk:

Projekti eesmärk on arendada ja piloteerida tehisintellektil põhinev visuaalse kontrolli süsteem, mis toetab Põllumajandus- ja Toiduameti (PTA) veterinaarset järelevalvet tapamajades, võimaldades automaatselt ja reaalajas tuvastada broilerite ja sigade lihakehade ning siseorganite kõrvalekaldeid, toiduohutust mõjutavaid saastumisi ja loomade heaolu näitajaid. Süsteemi poolt tuvastatud tulemused dokumenteeritakse ning edastatakse struktureeritud kujul PTA järelevalve infosüsteemi, võimaldades kasutada kogutud andmeid ametliku kontrolli dokumenteerimiseks, riskipõhise järelevalve kavandamiseks, farmipõhiseks tagasisidestamiseks ning loomade heaolu ja toiduohutuse trendide analüüsimiseks.

Süsteem võimaldab:

• ühtlustada veterinaarset hindamist,
• vähendada käsitsitöö mahtu,
• ning luua farmipõhine andmepõhine tagasisidesüsteem loomade tervise ja heaolu hindamiseks.

1. Broilerite AI-põhine kontrollisüsteem

Eesmärk on arendada AI-mudelid broilerite tapaliinile, mis tuvastavad automaatselt rümpade saastatuse ja loomade heaolu näitajad.

Tuvastatavad tunnused
• fekaalne saastatus rümbal;
• sapisaastatus;
• tiivamurrud;
• jalapadjandite kahjustused (pododermatiit);
• muud visuaalsed heaolu ja kvaliteedi kõrvalekalded.

Mõõdikud
• tuvastusmudeli täpsus (F1-score) ≥ 0,85 peamistes klassides;
• valepositiivsete juhtude määr ≤ 10%;
• valenegatiivsete juhtude määr ≤ 10% kriitiliste saastejuhtude puhul;
• reaalajas töötlemine ≤ 1 sekund rümba kohta;
• vähemalt 80% juhtudest korrektne automaatne eelkategoriseerimine, mida kinnitab või täpsustab inspektor.

2. Sigade AI-põhine kontrollisüsteem

Eesmärk on arendada AI-mudelid sigade tapaliinile, mis tuvastavad rümpade saastatuse, loomade heaolu indikaatorid ning siseorganite patoloogilised muutused.

Tuvastatavad tunnused
• rümpade saastatus;
• sabakahjustused (heaolu indikaator);
• kopsu patoloogilised muutused;
• maksa anomaaliad ja kahjustused;
• muud nähtavad siseorganite patoloogiad.
Mõõdikud
• tuvastusmudeli täpsus (F1-score) ≥ 0,85 võtmeklassides;
• siseorganite patoloogiate tuvastuse tundlikkus ≥ 80%;
• valepositiivsete juhtude määr ≤ 12% (keerukamate organi leidude tõttu);
• reaalajas analüüs ≤ 1,5 sekundit looma kohta;
• vähemalt 75% juhtudest AI poolt eel-märgistatud leiud, mida kontrollib inspektor.

3. PTA järelevalve toetamine ja tööprotsessi tõhustamine

Eesmärk on luua AI-põhine otsustustoe süsteem, mis integreerub PTA veterinaarse kontrolliprotsessiga ning vähendab käsitsi tehtava visuaalse hindamise koormust.

Mõõdikud
• vähemalt 20–30% kontrolliajast asendatav AI eelanalüüsiga mõlemas liinis;
• inspektori otsustusaeg väheneb ≥ 15%;
• vähemalt 90% juhtudest automaatselt struktureeritud andmepunktid (logid).

4. Farmipõhise tagasisidesüsteemi loomine

Eesmärk on luua süsteem, mis seob tapamaja leiud farmipõhise loomade heaolu ja tervise andmestikuks.

Mõõdikud
• vähemalt 90% partiidest seostatavad farmi ID-ga;
• loodud eraldi heaoluindikaatorid:
• broileritele vähemalt 3–4 KPI-d (nt jalapadjandid, saastatus);
• sigadele vähemalt 3 KPI-d (nt sabad, kops, maks);
• loodud toimiv farmipõhine heaolumaatriks prototüübi tasemel.

5. Süsteemi valideerimine

Eesmärk on tagada AI süsteemi usaldusväärsus võrreldes veterinaarinspektorite hinnangutega.

Mõõdikud
• AI ja eksperthinnangu kokkulangevus ≥ 85% broilerite puhul;
• AI ja eksperthinnangu kokkulangevus ≥ 80–85% sigade siseorganite leidude puhul;
• kriitiliste vigade määr (false negative) ≤ 10%;
• süsteemi töökindlus ≥ 95% uptime pilootkeskkonnas.

Projekt on edukas, kui:

broilerite ja sigade jaoks on loodud eraldi toimivad AI-mudelid,
süsteem suudab reaalajas toetada PTA veterinaarset kontrolli,
ning tekib esmakordselt farmipõhine, struktureeritud ja analüüsitav loomade heaolu andmestik.

See loob aluse üleminekuks andmepõhisele ja osaliselt automatiseeritud veterinaarsele järelevalvesüsteemile tapamajades.


3. Võimalikud lahendussuunad (max 2 lk)

Kirjeldage võimalikke lahendusi ning tegevusi, millega projekti eesmärk saavutatakse.

• Kirjeldage võimalikke lahendussuundi, põhjendage eelistatud lahendussuuna valikut (NB! Valitud lahendussuund ei ole siduv, see võib projekti käigus muutuda).
• Kirjeldage probleemi lahendamiseks vajalikke tegevusi, mida antud katseprojekti raames plaanitakse teha.
• Selgitage, kuidas lahendust katsetatakse. Selgitage, kuidas läbi viidavat katsetust ja selle edukust hindate.
1. Võimalikud lahendussuunad

Projekti eesmärgi saavutamiseks on kaalutud mitut tehnoloogilist ja protsessilist lahendussuunda:

Lahendussuund A: reeglipõhine visuaalne kontroll

Klassikaline pilditöötlusel ja eeldefineeritud reeglitel põhinev süsteem (nt värvuse, kontrasti ja kuju analüüs).

Plussid: lihtsam arendada, väiksem andmemahu vajadus.

Miinused: madal kohanemisvõime reaalsete tapaliini tingimustega, piiratud võime tuvastada keerukamaid patoloogiaid, ei skaleeru hästi erinevate farmide ja tootmisolude vahel.

Lahendussuund B: süvaõppel põhinev masinnägemise süsteem (eelistatud)

Tehisintellektil ja süvaõppel (deep learning) põhinev süsteem, mis õpib märgendatud andmetest ning suudab kohaneda erinevate tootmistingimustega.

Plussid: kõrge täpsus keerukate mustrite tuvastamisel, kohandatav erinevatele tapamajadele ja valgustingimustele, võimaldab pidevat mudelite täiustamist uue andme põhjal, sobib reaalajas otsustustoe loomiseks.

Miinused: suurem andme- ja arendusvajadus, vajab valideeritud treeningandmestikku.

Lahendussuund C: hübriidsüsteem (reeglid + AI)

Kombinatsioon reeglipõhisest eelfiltreerimisest ja AI-põhisest lõppklassifikatsioonist.

Plussid: parem stabiilsus tootmiskeskkonnas, võimaldab vähendada AI mudeli koormust.

Miinused: keerukam arhitektuur, piiratud lisandväärtus võrreldes puhta AI-lähenemisega.

Eelistatud lahendussuund

Projekti eelistatud lahendussuund on süvaõppel põhinev masinnägemise süsteem, mida vajadusel täiendatakse hübriidkomponentidega (nt reeglipõhine eelklassifitseerimine).

Valiku põhjendus:

• võimaldab tuvastada keerukaid ja varieeruvaid patoloogiaid;
• sobib reaalsetesse tapamaja tingimustesse;
• toetab pikaajalist skaleeritavust ja mudelite täiustamist;
• võimaldab luua farmipõhise andmepõhise süsteemi, mitte ainult ühe liini lahendust.

Oluline on, et lõplik tehniline arhitektuur võib projekti käigus täpsustuda vastavalt katsetuste tulemustele.

2. Projekti raames kavandatavad tegevused

Katseprojekti raames viiakse ellu järgmised põhitegevused:

2.1 Andmete kogumine ja ettevalmistus
• kaamerasüsteemide paigaldamine broileri ja sealiinidele;
• pildi- ja videomaterjali kogumine reaalsetes tootmistingimustes;
• andmete anonüümimine ja struktureerimine;
• veterinaarekspertide poolt andmete märgendamine (ground truth).

2.2 AI mudelite arendamine

Projekti raames arendatakse süvaõppel põhinevad masinnägemise mudelid, mis jagunevad kaheks rakendusvaldkonnaks: broilerid ja sead.

Broilerite ja sigade ühised AI-tuvastuse võimekused hõlmavad:

• rümpade saastatuse automaatne tuvastamine (fekaalne ja muu visuaalne saastus);
• loomade heaolu indikaatorite hindamine (nt jalapadjandite kahjustused, sabakahjustused);
• sapisaastatuse ja muude rümbakvaliteedi kõrvalekallete tuvastamine;
• siseorganite patoloogiliste muutuste ja anomaaliate tuvastamine;
• muude visuaalsete kõrvalekallete ja riskinähtude automaatne märgistamine.

AI-mudelid kohandatakse eraldi broilerite ja sigade anatoomiliste ning tootmisprotsessiliste erinevuste arvestamiseks, kuid arendusloogika põhineb ühtsel masinnägemise ja süvaõppe arhitektuuril, mida treenitakse liigispetsiifiliste andmestikega.

Süsteem võimaldab nii broilerite kui sigade puhul reaalajas pildiandmete analüüsi ning tulemuste esitamist struktureeritud kujul veterinaarse otsustuse toetamiseks.

2.3 Süsteemi arendamine ja integratsioon
• reaalajas töötava analüüsiplatvormi loomine;
• tulemuste kuvamine inspektori tööliideses;
• andmete salvestamine ja farmipõhine seostamine;
• PTA tööprotsessiga ühilduva otsustustoe loomine.

2.4 Pilootlahenduse juurutamine
• süsteemi testimine valitud broileri- ja sealiinil;
• paralleelne töö AI süsteemi ja veterinaarjärelevalve ametniku vahel;
• tulemuste võrdlemine ja mudelite täiendamine.

3. Katsetuse läbiviimine ja hindamine

Katse viiakse läbi reaalsetes tapamaja tingimustes kahes etapis:

Etapp 1: varjatud testimine (shadow mode)

• AI süsteem töötab paralleelselt, kuid ei mõjuta otsuseid;
• tulemusi võrreldakse inspektori hinnangutega;
• kogutakse täiendavat treeningandmestikku.

Etapp 2: otsustustoe testimine

• AI tulemusi kuvatakse inspektorile reaalajas;
• inspektor kasutab AI-d otsustuse toetamiseks;
• hinnatakse töökiirust ja täpsust.

Edukuse hindamise metoodika

Katsetuse edukust hinnatakse järgmiste näitajate alusel:

Tehniline tulemuslikkus:

• F1-score ≥ 0,85 peamistes tuvastusklassides;
• valepositiivsete ja -negatiivsete määrad kokkulepitud piirides;
• reaalajas töötlemise viivitus ≤ 1–1,5 sekundit.

Operatiivne mõju:

• kontrolliaja vähenemine ≥ 20%;
• inspektori käsitsitöö vähenemine ≥ 30%;
• automaatselt logitud juhtumite osakaal ≥ 80–90%.

Kasutuslik valideerimine:

• inspektorite hinnang süsteemi kasulikkusele;
• kokkulangevus AI ja eksperthinnangute vahel ≥ 80–85%;
• süsteemi stabiilsus tootmiskeskkonnas ≥ 95% tööajast.



4. Projekti uuenduslikkus

Tuua selgelt välja projekti uuenduslikkus –mida tehakse senisest teisiti kas see hõlmab uusi tehnoloogiaid, protsesse, toimemudeleid, disaini, turgu vms?

• Selgitage lahenduse uuenduslikkust nii Eesti kui globaalses kontekstis.
• Mis on projektis sellist, mis vajab katsetamist?
Projekti uuenduslikkus seisneb tehisintellektil põhineva masinnägemise rakendamises veterinaarse järelevalve protsessis nii, et tapamaja kontroll liigub visuaalselt hindamiselt andmepõhisele, reaalajas toimivale otsustustoe süsteemile. Tegemist ei ole üksiku tehnoloogilise lahendusega, vaid uue toimemudeli katsetamisega, mis ühendab toiduohutuse, loomade heaolu ja andmeanalüüsi ühtseks süsteemiks.

Erinevalt senistest lahendustest ei keskendu projekt üksikutele automaatikalahendustele, vaid loob tervikliku süsteemi, mis ühendab:

• reaalajas pildianalüüsi tapaliinil,
• veterinaarse otsustustoe,
• ning farmipõhise tagasisidesüsteemi loomade heaolu ja tervise hindamiseks.

Uuenduslikkus väljendub kolmes tasandis:

• tehnoloogiline uuendus
• protsessiline uuendus
• toimemudeli ja andmekasutuse uuendus


Tehnoloogiline uuendus

Projektis rakendatakse süvaõppel põhinevaid masinnägemise mudeleid, mis on treenitud spetsiaalselt tapamaja tingimustes esinevate visuaalsete nähtuste tuvastamiseks.

Uuenduslikud aspektid:

◦ AI mudelid, mis tuvastavad samaaegselt nii rümpade saastatust, heaolu näitajaid kui ka siseorganite patoloogiaid;
◦ reaalajas töötav (low-latency) otsustustoe süsteem tootmisliini kiirusel;
◦ liigispetsiifiline (broiler vs siga) mudeliarhitektuur;
◦ pidevalt täienev andmestik, mis võimaldab mudelite iteratiivset õppimist.

Erinevus tavapärasest lähenemisest seisneb selles, et AI ei ole eraldiseisev analüütikavahend, vaid integreeritud osa veterinaarsest kontrolliprotsessist.

Protsessiline uuendus

Täna toimub veterinaarne kontroll peamiselt käsitsi visuaalse hindamise kaudu, kus inspektor teeb otsused reaalajas ilma süsteemse AI-põhise abita.

Projekti uuenduslik protsess:

• AI teeb esmase analüüsi igale rümbale ja organile reaalajas;
• inspektor keskendub riskijuhtumitele, mitte kogu massi käsitsi läbivaatamisele;
• kontroll muutub osaliselt automatiseeritud ja andmepõhiseks;
• kõrvalekalded märgistatakse ja logitakse struktureeritult.

See muudab kontrolliprotsessi reaktiivsest poolautomaatseks otsustustoe protsessiks.

Toimemudeli ja andmekasutuse uuendus

Projekti üks olulisemaid uuendusi on andmete kasutusloogika muutmine.

Tänane olukord:

• andmed jäävad valdavalt lokaalseks kontrolli tulemuseks;
• puudub süsteemne farmipõhine tagasiside;
• puudub automatiseeritud analüüs.

Projekti uuendus:

• iga tuvastatud kõrvalekalle seotakse farmi ja partiiga;
• tekib farmipõhine loomade heaolu ja tervise andmemudel;
• võimalik on luua riskiprofiil farmide kaupa;
• tapamaja muutub andmepõhiseks seirepunktiks, mitte ainult kontrollipunktiks.

See loob uue toimemudeli: tapamaja kui reaalajas toimiv loomade tervise ja heaolu andmejaam.

Uuenduslikkus Eesti kontekstis

Eestis ei ole täna kasutusel terviklikku tehisintellektil põhinevat süsteemi, mis:

• võimaldab tõsta tapaliini tootlikust,
• analüüsiks automaatselt rümpade ja siseorganite visuaalseid kõrvalekaldeid,
• toetaks PTA veterinaarset otsustust reaalajas,
• loob farmipõhise heaolumaatriksi.

Seega on projekt Eestis selgelt esimese laine AI-põhise veterinaarse otsustustoe lahendus.

Uuenduslikkus rahvusvahelises kontekstis

Euroopas ja mujal maailmas on arendamisel erinevad osalahendused, kuid enamasti on need kitsalt fokusseeritud ühe tunnuse tuvastamisele, eraldiseisvad teadus- või pilootlahendused või mitte integreeritud veterinaarse otsustuse ja farmitagasiside süsteemid.

Projekti eripära rahvusvahelises kontekstis on:

• kombineeritud saastatuse + heaolu + patoloogia analüüs;
• reaalajas otsustustugi,
• farmipõhine tagasiside ja riskimudel.

Mis vajab katsetamist

Projekti edukus ei ole tehniliselt ette teada ning vajab mitme hüpoteesi kontrollimist:

Tehnoloogilised hüpoteesid
• kas AI mudel suudab reaalsetes tapamaja tingimustes (valgus, kiirus, veri, liikumine) saavutada piisava täpsuse;
• kas broilerite ja sigade visuaalsed tunnused on piisavalt standardiseeritavad masinõppe jaoks;
• kas siseorganite patoloogiaid on võimalik usaldusväärselt tuvastada visuaalse info põhjal.

Protsessilised hüpoteesid
• kas inspektorid aktsepteerivad AI-d otsustustoe vahendina;
• kui palju AI tegelikult vähendab töö mahtu;
• kas reaalajas töövoog on operatiivselt teostatav tootmisliini kiirusega.
• kas ettevõtja saab ülevaate, millised protsessid on tugevad ja kus on arengukohad, koos soovitustega.
• kas AI‑põhine jälgimine loob usaldusväärse tõendi, mida ettevõtja saab kasutada partnerite, ostjate või sertifitseerijate ees.

Andmemudeli hüpotees
• kas tapamaja tasemel kogutud andmetest on võimalik luua usaldusväärne farmipõhine heaoluindeks;
• kas andmete kvaliteet on piisav trendide ja riskimudelite loomiseks.



5. Projekti elluviimisega (katsetusega) seotud riskid ja nende maandamismeetmed

Kirjelda peamisi riske, mis võivad takistada projekti elluviimist või eesmärkide saavutamist, ning kavanda maandamismeetmed.
Projekti elluviimine hõlmab tehisintellektil põhineva süsteemi arendamist ja katsetamist reaalses tapamaja keskkonnas. Tegemist on tehniliselt ja organisatsiooniliselt keeruka arendusprojektiga, mille edukust mõjutavad nii andmekvaliteet, tootmiskeskkond kui ka kasutajate valmisolek uut tehnoloogiat rakendada.

1. Tehnoloogiline risk – AI mudelite ebapiisav täpsus

AI mudelid ei pruugi saavutada piisavat täpsust reaalsetes tapamaja tingimustes (valguse muutused, kiirus, veri, liikumine, osaline varjutus). Eriti keerukad on siseorganite (kops, maks) patoloogiate tuvastamine.

Maandamismeetmed:

• suure ja mitmekesise treeningandmestiku kogumine reaalsetest tingimustest;
• iteratiivne mudelite treenimine ja valideerimine pilootfaasis;
• liigispetsiifiliste mudelite (broiler, siga) eraldi arendamine;
• “shadow mode” testimine enne otsustustoe kasutuselevõttu;
• veterinaarekspertide pidev tagasiside mudelite täiustamiseks.


2. Andmekvaliteedi ja märgenduse risk

AI mudelite kvaliteet sõltub märgendatud andmete täpsusest. Veterinaarinspektorite hinnangud võivad olla ajasurve tõttu ebaühtlased või piirjuhtumites erinevad.

Maandamismeetmed:

• selged ja ühtsed märgendusprotokollid koos PTA ekspertidega;
• mitme eksperdi ristvalideerimine keerukate juhtumite puhul;
• aktiivõppe (active learning) kasutamine mudeli parendamiseks;
• andmete kvaliteedikontroll enne treeningusse lisamist.

3. Tootmiskeskkonna integratsioonirisk

AI süsteemi reaalajas toimimine võib olla häiritud tapaliini kiiruse, avariide, tehniliste rikete, valgustingimuste või olemasolevate IT-süsteemide piirangute tõttu.

Maandamismeetmed:

• süsteemi testimine reaalses tootmiskeskkonnas varajases faasis;
• edge computing lahenduste kasutamine viivituse vähendamiseks;
• kaamerasüsteemide optimeerimine tööstuslike tingimuste jaoks;
• etapiviisiline juurutamine (shadow mode → toetav režiim → aktiivne tugi).

4. Kasutajate ja organisatsiooniline risk

Veterinaarinspektorid ja tapamaja personal ei pruugi algselt usaldada AI-põhist otsustustuge või ei pruugi seda tööprotsessi integreerida.

Maandamismeetmed:

• inspektorite kaasamine arendusse ja märgendusse;
• süsteemi kasutamine esmalt ainult otsustustoe (mitte otsustava) rollis;
• kasutajaliidese lihtsustamine ja läbipaistvuse tagamine (selgitused AI otsustele);
• koolitused ja järkjärguline kasutuselevõtt.

5. Regulatiivne ja järelevalverisk

PTA järelevalve protsess on rangelt reguleeritud ning AI kasutamine ei tohi rikkuda ametlikku otsustusvastutust ega nõudeid.

Maandamismeetmed:

• süsteemi positsioneerimine selgelt otsustustoe, mitte asendava süsteemina;
• regulatiivne kaasamine ReM-ga juba arendusfaasis;
• vastavus EL toiduohutuse ja veterinaarkontrolli nõuetele;
• dokumenteeritud otsustusloogika ja auditeeritavus.

6. Farmipõhise andmemudeli risk

Tapamaja andmete sidumine farmidega võib olla ebatäpne või mittetäielik, mis vähendab heaolumaatriksi usaldusväärsust.

Maandamismeetmed:

• partiide ja loomade täpne identifitseerimine tootmisprotsessis;
• andmeühenduse standardiseerimine farmi-ID tasemel;
• andmekvaliteedi kontroll enne analüüsi;
• järkjärguline farmipõhise mudeli arendamine.

7. Skaaleeritavuse ja jõudluse risk

Süsteem ei pruugi suuta töödelda suurt hulka loomi reaalajas ilma viivitusteta.

Maandamismeetmed:

• optimeeritud AI mudelid (lightweight architectures);
• paralleeltöötlus ja edge computing;
• koormustestimine enne täismahulist kasutust;
• arhitektuuri skaleeritav disain.

8. Meeskonna kompetentsirisk

AI, masinnägemise, veterinaarmeditsiini ja tootmiskeskkonna ristvaldkondlik projekt eeldab väga spetsiifilisi kompetentse. On risk, et meeskonnas ei ole piisaval tasemel teadmisi kõigis vajalikes valdkondades (nt süvaõpe, tootmisliini integratsioon, veterinaarne ekspertiis).

Maandamismeetmed:

• multidistsiplinaarse meeskonna loomine (AI-arendajad, veterinaarid, tootmisinsenerid);
• teaduspartnerite kaasamine (ülikoolid, rakendusuuringute keskused);
• väliste ekspertide kaasamine spetsialiseeritud teemades (nt patoloogia märgendus);
• pidev teadmussiire arenduse käigus (veterinaar ↔ AI spetsialist).

9. Projektimeeskonna koormuse ja ajajuhtimise risk

Arendus, andmete märgendus ja pilootkatsetus on ajamahukad ning võivad ületada planeeritud ressursse, mis võib viia viivitusteni või kvaliteedi languseni.

Maandamismeetmed:

• selge tööpakettide jaotus (andmestik, mudelid, integratsioon, piloot);
• etapiviisiline arendus (MVP → piloot → laiendus);
• kriitiliste tegevuste prioritiseerimine (broiler ja siga eraldi voogudes);
• ajapuhvrite planeerimine arenduse ja testimise etappides.

10. Partnerite kaasamise ja koostöö risk

Projekt sõltub mitmest partnerist (tapamajad, PTA, tehnoloogiaarendajad). Riskiks on partnerite piiratud saadavus, erinevad prioriteedid või ebapiisav panus andmete kogumisse ja testimisse.

Maandamismeetmed:

• siduvad koostöölepingud partneritega enne projekti algust;
• selged rollid ja vastutused (kes annab andmed, kes märgendab, kes valideerib);
• regulaarne juhtkomitee koosolek (nt kord kuus);
• tapamaja kaasamine varajases arendusfaasis, mitte ainult testimisel.

11. PTA ja regulatiivse koostöö risk

Kui PTA kaasatus või regulatiivne tõlgendus AI kasutamisele ei ole piisavalt selge, võib tekkida takistus süsteemi reaalsel kasutamisel järelevalves.

Maandamismeetmed:

• süsteemi positsioneerimine otsustustoe, mitte otsustava süsteemina;
• regulatiivsete nõuete pidev kaardistamine;
• auditijälje (logide) loomine kõigile AI otsustele.

12. Teadmussiirde ja jätkusuutlikkuse risk

Projekti lõppedes võib tekkida risk, et lahendus jääb pilooditasemele ega muutu tegelikus tootmises kasutatavaks.

Maandamismeetmed:

• juba projekti jooksul skaleeritava arhitektuuri loomine;
• dokumenteeritud mudelid ja tehniline arhitektuur;
• partnerite kaasamine jätkuprotsessi (kommertsialiseerimine);
• koolitused kasutajatele (inspektorid ja tapamaja personal);
• selge plaan piloodist tootmiskasutusse üleminekuks.

6. Projekti ajakava

Koostage realistlik ajakava, mis hõlmab kõiki projekti tegevusi ning annab sellega sisendi projekti eelarve koostamisele.

• Ajakava koostamisel arvestage vajalike eel- ja järel- või vahetegevustega (nt partnerluslepingu sõlmimise ettevalmistus kuni 2 kuud, vajalike lubade saamine projekti jooksul vms).
• Milliste võimalike puhvritega oleks ajakavas mõistlik arvestada?
• Jagage tegevused loogilisteks etappideks, arvestage tegevuste omavahelisi seoseid ning ajalist järgnevust või paralleelsust.
• Hangete läbiviimise ajaraami kavandamiseks kasuta hankekalkulaatorit Hankekalkulaator - EIS
Tegevused
Tegevuse algus
(mitmes kuu)
Tegevuse lõpp
(mitmes kuu)
Kestus kokku
(mitu kuud)
I etapp Projekti ettevalmistamine ja innovatsioonihanke läbiviimine



Projekti käivitamine
1
1
1
Kasutajate vajaduste kaarditamine, esmane protsessianalüüs
1
2
1
Tehniliste ja funktsionaalsete nõuete koostamine, AI kasutusjuhtude täpsustamine
2
3
2
Turu-uuring ja tehnoloogiliste lahenduste kaardistamine,
Innovatsioonihanke dokumentide ettevalmistamine
3
4
2
Innovatsioonihanke läbiviimine,
Pakkujate hindamine ja valik,
Lepingu sõlmimine elluviijaga
4
6
3
II etapp Andmete kogumine ja AI arendus



Kaamerasüsteemide paigaldus pilootliinidele,
Andmekogumise töövoo käivitamine
7
8
2
Broilerite ja sigade visuaalandmete kogumine,
PTA järelevalveandmete paralleelne kogumine
7
18
11
Andmete märgendamine (veterinaareksperdid),
Andmekvaliteedi kontroll ja standardiseerimine
8
18
10
AI mudelite arendus (esimesed versioonid)
Broilerite mudel,
Sigade mudel
10
18
8
III etapp Süsteemi arendus ja integratsioon PTA-ga



AI mudelite täiendamine ja täpsustamine,
vigade analüüs ja mudelite treenimine uutel andmetel
16
20
5
Süsteemi tarkvara arendus (UI, raportid, alarmid)
automaatne märgenduse ja logimise süsteem
18
22
4
Integratsioon PTA järelevalve infosüsteemiga,
andmevoo standardiseerimine,
reaalajas andmeedastuse testimine
19
24
5
IV etapp Pilootkatsetus tapamajades



pilootkäivituse ettevalmistus,
kasutajate koolitus (PTA, tapamajad)
22
24
2
broilerite pilootkatsetus,
sigade pilootkatsetus,
reaalajas AI vs veterinaarvõrdlus,
patoloogiate ja heaolu indikaatorite valideerimine
24
32
8
kasutajate tagasiside kogumine,
farmipõhise tagasiside mudeli testimine,
AI mudelite täiendamine piloodi käigus
28
33
5
V etapp Mõju hindamine ja lõpparuanne



mõjuanalüüs:
täpsus (AI vs veterinaar),
ajakulu vähenemine,
töökoormuse muutus

riskipõhise järelevalve mudeli hindamine
32
34
2
tulemuste konsolideerimine,
farmipõhise tagasisidesüsteemi hindamine
34
35
2
lõpparuande koostamine,
rakendusettepanek PTA-le,
tulemuste esitlus ja levitamine
35
36
2
KOKKU


36 kuud



7. Projekti eelarve

Koostage realistlik eelarve detailsusega, mis hõlmab kõiki projekti tegevusi ning võimaldab seeläbi hinnata planeeritud kulude vajalikkust ja mõistlikkust.

• Arvutage eelarves summad kogumaksumusena (st sisaldavad kõiki makse), sh projektijuhi kogukulu.
• Lisage eelarvele kirjeldusena selle kujunemise põhjendused, arvutuste ja hinnangute alused.
• Eelarve kogusumma palume esitada 1000 euro täpsusega.

Kohandage eelarvetabelit oma projekti vajadustele vastavaks.



Tegevused
Kulud Kokku (eur)
I etapp Projekti ettevalmistamine ja innovatsioonihanke läbiviimine

Projekti käivitamine
30 000
Kasutajate vajaduste kaarditamine, esmane protsessianalüüs
15 000
Tehniliste ja funktsionaalsete nõuete koostamine, AI kasutusjuhtude täpsustamine
15 000
Turu-uuring ja tehnoloogiliste lahenduste kaardistamine,
Innovatsioonihanke dokumentide ettevalmistamine
25 000
Innovatsioonihanke läbiviimine,
Pakkujate hindamine ja valik,
Lepingu sõlmimine elluviijaga
15 000
II etapp Andmete kogumine ja AI arendus

Kaamerasüsteemide paigaldus pilootliinidele,
Andmekogumise töövoo käivitamine
110 000
Broilerite ja sigade visuaalandmete kogumine,
PTA järelevalveandmete paralleelne kogumine
40 000
Andmete märgendamine (veterinaareksperdid),
Andmekvaliteedi kontroll ja standardiseerimine
120 000
AI mudelite arendus (esimesed versioonid)
Broilerite mudel,
Sigade mudel
180 000
III etapp Süsteemi arendus ja integratsioon PTA-ga

AI mudelite täiendamine ja täpsustamine,
vigade analüüs ja mudelite treenimine uutel andmetel
90 000
Süsteemi tarkvara arendus (UI, raportid, alarmid)
automaatne märgenduse ja logimise süsteem
60 000
Integratsioon PTA järelevalve infosüsteemiga,
andmevoo standardiseerimine,
reaalajas andmeedastuse testimine
50 000
IV etapp Pilootkatsetus tapamajades

pilootkäivituse ettevalmistus,
kasutajate koolitus (PTA, tapamajad)
60 000
broilerite pilootkatsetus,
sigade pilootkatsetus,
reaalajas AI vs veterinaarvõrdlus,
patoloogiate ja heaolu indikaatorite valideerimine
70 000
kasutajate tagasiside kogumine,
farmipõhise tagasiside mudeli testimine,
AI mudelite täiendamine piloodi käigus
70 000
V etapp Mõju hindamine ja lõpparuanne

mõjuanalüüs:
täpsus (AI vs veterinaar),
ajakulu vähenemine,
töökoormuse muutus

riskipõhise järelevalve mudeli hindamine
20 000
tulemuste konsolideerimine,
farmipõhise tagasisidesüsteemi hindamine
15 000
lõpparuande koostamine,
rakendusettepanek PTA-le,
tulemuste esitlus ja levitamine
15 000
KOKKU
1 000 000 EUR

8. Võimalikud lahenduste pakkujad 

Tooge välja võimalikud hankepartnerid, kes soovitud lahendussuunas tooteid/ teenuseid/ pakuvad.

• Otsige ja nimetage võimalikke probleemile lahenduste pakkujaid (nt erinevate valdkondade eksperdid, teadlased, ettevõtted, kes on probleemi lahendamisega varasemalt tegelenud).
Mõelge nii Eesti kui rahvusvaheliste pakkujate peale.
Tapamajadest on eelistatud osapool Maag Grupp, kellele kuuluvates tapamajades tapetakse 99 % Eestis tapetavatest broileritest ning 50 % Eestis tapetavatest sigadest. Mis annab esmasel valideerimisel kõige parema tulemuse.

Muud lahenduste pakkujad selguvad hanke käigus.



9. Projekti meeskond ja töökorraldus

Tooge välja projekti edukaks elluviimiseks kaasatavad või vajalikud osapooled (asutused ja/või inimesed) ning täiendav ekspertiis, mida meeskonda juurde vajate.

• Kirjeldage rollide ja töö jaotust projektimeeskonnas.
• Kirjeldage projekti juhtimise korraldust.
• Märkige ära, kui suure koormusega projektijuht (võimalusel ka teised võtmeisikud) projekti panustavad.
• Kirjeldage, missugust täiendavat ekspertiisi tuleb juurde kaasata (nt tehniline ekspertiis, andmekaitse), mis on meeskonnaliikmete poolt katmata.

NB! Kui nimetate konkreetseid meeskonnaliikmeid, siis nendega (või nende juhtidega) peab olema projektis osalemine läbi räägitud!
Kaasatavad osapooled:

Põllumajandus- ja Toiduamet (PTA)
Projekti omanik ja juhtpartner. Vastutab veterinaarse järelevalve nõuete, kasutusvajaduste määratlemise, pilootide koordineerimise ning tulemuste valideerimise eest.
Tagab veterinaarse ja teadusliku valideerimise, märgendusmetoodika väljatöötamise ning AI tulemuste usaldusväärsuse hindamise.

Tapamajad (broilerid ja sead)
Pilootkeskkonna pakkujad. Võimaldavad süsteemi testimist reaalses tootmiskeskkonnas ning toetavad andmete kogumist ja tööprotsesside kohandamist. Eelistatud osapool on Maag Grupp, kellele kuuluvates tapamajades tapetakse 99 % Eestis tapetavatest broileritest ning 50 % Eestis tapetavatest sigadest.

Tehisintellekti ja masinnägemise arenduspartner
Arendab AI mudelid broilerite ja sigade visuaalseks analüüsiks (saastatus, patoloogiad, loomade heaolu näitajad) ning tagab süsteemi tehnilise toimimise.

IT ja integratsioonipartner
Arendab andmevahetuse PTA järelevalve infosüsteemiga, loob API-d ning tagab süsteemi turvalise ja töökindla toimimise.

Andmekaitse ja küberturbe ekspert (täiendav kompetents)
Hindab andmekaitse (sh videoandmed tapamajas), GDPR nõudeid ning küberturvalisuse arhitektuuri.


Rollide ja tööjaotus

PTA projektijuht (0,5–0,7 FTE)

• Projekti strateegiline juhtimine ja koordineerimine
• Sidusrühmade juhtimine (tapamajad, teadus, arendajad)
• Riigikantseleiga suhtlus ja aruandlus
• Riskijuhtimine ja otsustuspunktide ettevalmistamine

Tehniline projektijuht / AI arhitekt (1,0 FTE arendusperioodil)

• AI ja süsteemi tehniline juhtimine
• Arendustööde koordineerimine
• Mudelite ja andmevoogude arhitektuur

PTA Veterinaarne ekspert (0,5–0,8 FTE)

• Märgendusjuhised ja patoloogiate standardiseerimine
• AI tulemuste valideerimine
• Loomade heaolu ja toiduohutuse ekspertiis

AI/ML insenerid (2–3 FTE)

• AI mudelite arendus ja treenimine
• Visuaalandmete analüüs ja valideerimine

IT-arendajad (1–2 FTE)

• Süsteemi arendus ja integratsioon PTA infosüsteemiga
• API-de ja andmevoogude loomine

Võimalik täiendav vajalik ekspertiis:

Projekti elluviimiseks kaasatakse lisaks:

• Andmekaitse- ja õigusekspertiis (videoandmed, GDPR, järelevalveandmed)
• Küberturbe ekspertiis (reaalajas andmevood, süsteemi turvalisus)
• Tööstusprotsessi insenertehniline ekspertiis (tapaliini ja kaamerate integratsioon)



10. Projekti tulemuste elluviimine

Kirjeldage oma valmisolekut ja võimekust pärast katseprojekti edukat lõppu projekti tulemusi kestlikult ellu viia.
.
• Kas projekti tulemuste edasine arendus ja kasutuselevõtt seostub asutuse prioriteetsete tegevustega, on tööplaanis vms?
• Kas tulemuste hilisemaks elluviimiseks vajalik rahastus ja muud ressursid on olemas või tegeletakse selle leidmisega?
• Tooge välja olulisemad riskid projekti tulemuste hilisemal kasutuselevõtul. Kuidas plaanite neid riske maandada? 
• Kirjeldage, kas ja mil määral on tulemused skaleeritavad ning kasutatavad avalikus sektoris laiemalt.
Valmisolek ja seos PTA prioriteetidega

Projekti tulemuste hilisem kasutuselevõtt seostub otseselt Põllumajandus- ja Toiduameti (PTA) strateegiliste eesmärkidega, milleks on toiduohutuse tagamine, loomade heaolu järelevalve tõhustamine ning riskipõhise ja andmepõhise järelevalve arendamine.

AI-põhine visuaalse kontrolli lahendus toetab PTA üleminekut seniselt peamiselt visuaalsel ja käsitsi registreeritud kontrollilt andmepõhisele ja automatiseeritud järelevalvele, mis on kooskõlas nii asutuse digipöörde kui ka ressursside efektiivse kasutamise eesmärkidega.

Ressursid ja rahastus pärast projekti lõppu

Projekti käigus arendatav lahendus ei ole ühekordne prototüüp, vaid on kavandatud püsiva järelevalvesüsteemi komponendina.

Edasise kasutuselevõtu rahastus ja ressursid kavandatakse:

• PTA eelarve kaudu (järelevalve digitaliseerimine ja IT arendus);
• riiklike IT-arenduse ja küberturbe investeeringute kaudu;
• vajadusel Euroopa Liidu digipöörde ja toiduohutuse programmide toel;
• koostöös tapamajadega süsteemi opereerimise ja hoolduse mudeli väljatöötamise kaudu.

Projekti jooksul luuakse ka selge rakendus- ja ülalhoiumudel, mis võimaldab hinnata süsteemi tegevuskulusid ning planeerida selle jätkusuutlikku rahastamist.


Peamised riskid tulemuste kasutuselevõtul ja nende maandamine

1. Organisatsiooniline ja kasutuselevõtu risk

Risk: AI-lahendust ei integreerita igapäevasesse järelevalvetöösse või kasutus jääb piiratud mahuga piloodiks.

Maandamine:

• PTA kaasamine kogu projekti vältel (kasutajakeskne arendus);
• koolitused ja kasutajatoe loomine;
• lahenduse sidumine PTA tööprotsessidega juba piloodi faasis.

2. Tehniline jätkusuutlikkus ja hooldus

Risk: AI mudelite täpsus väheneb ajas või süsteem vajab pidevat ümberarendust.

Maandamine:

• mudelite regulaarne uuendamise protsess (MLOps loogika);
• andmevoo jätkuv kogumine tapamajadest;
• tehnilise partneri hooldus- ja tugiraamistik.

3. Andmekvaliteedi ja standardiseerimise risk

Risk: erinevates tapamajades kogutav andmestik ei ole ühtlaselt kasutatav.

Maandamine:

• ühtne märgendusstandard veterinaarpartneri juhtimisel;
• kvaliteedikontrolli protseduurid;
• PTA-poolne andmestandardite kinnitamine.

4. Õiguslik ja andmekaitseline risk

Risk: videoandmete kasutus ja automatiseeritud analüüs ei vasta regulatiivsetele nõuetele.

Maandamine:

• andmekaitse ja küberturbe eksperdi kaasamine;
• GDPR mõjuanalüüs projekti jooksul;
• selged andmetöötlusprotsessid ja juurdepääsuõigused.

Skaleeritavus ja laiem kasutus avalikus sektoris

Projekti tulemused on kõrge skaleeritavusega ning laiendatavad nii riiklikul kui rahvusvahelisel tasandil.

Lahenduse arhitektuur võimaldab:

• laiendada süsteemi teistele tapamajadele ja tapaliikidele (nt veised);
• rakendada sama tehnoloogiat muudes toiduohutuse järelevalve protsessides;
• kasutada AI-põhist visuaalanalüüsi ka muudes PTA järelevalvevaldkondades (nt taime- ja loomakasvatuses);
• integreerida lahendus teiste EL liikmesriikide veterinaarjärelevalve süsteemidesse.

Lisaks loob projekt aluse ühtsele farmipõhisele loomade heaolu andmemudelile, mis võimaldab tulevikus liikuda ennetava ja riskipõhise järelevalve suunas kogu toiduahelas.
Projekti tulemused on kavandatud PTA püsiva töövahendina, mitte ajutise innovatsioonikatsetusena. Tulemuste elluviimine on otseselt seotud asutuse strateegiliste eesmärkidega ning toetab üleminekut andmepõhisele, automatiseeritud ja riskipõhisele veterinaarsele järelevalvele.

Süsteemi jätkusuutlikkus tagatakse läbi organisatsioonilise integreerimise, tehnilise hooldusmudeli ning selgelt kavandatud rahastus- ja haldusraamistiku.


11. Mõju ettevõtlusele


☒ Projekt omab positiivset mõju innovatsioonile ettevõtlussektoris. Kõige otsesemalt väljendub mõju läbi ettevõtete, kes osalevad tegevuste elluviimiseks korraldatavatel hangetel ja/või konkurssidel. Innovatsiooni hankimine avaliku sektori poolt aitab kaasa innovatsioonitegevuste kasvule erasektoris.

12. Seos nutika spetsialiseerumise valdkondadega

• Eesti teadus- ja arendustegevuse, innovatsiooni ning ettevõtluse (TAIE) arengukaval 2021-2035 on fookusvaldkonnad, s.o Eesti arenguvajadustele ja -võimalustele vastavad riigi, ettevõtete ja teadusasutuste koostöös eelisarendatavad teadus- ja arendustegevuse, innovatsiooni ja ettevõtluse valdkonnad. Ettevõtluse ja majandusliku arengupotentsiaaliga TAIE fookusvaldkonnad on ühtlasi Eesti nutika spetsialiseerumise valdkonnad (täpsem info: https://www.hm.ee/korgharidus-ja-teadus/teadus-ja-arendustegevus/taie-fookusvaldkonnad).
• Kirjeldage teie projekti võimaliku lahenduse seost vähemalt ühe valdkonnaga (rõhuasetusega teadmus- ja tehnoloogiasiirdel).
Digilahendused igas eluvaldkonnas
(vt teekaarti)
Projekt kuulub selgelt digilahenduste fookusvaldkonda, kuna see arendab ja rakendab:

• tehisintellektil põhinevat masinnägemise tehnoloogiat;
• reaalajas toimivat andmeanalüüsi ja otsustustuge;
• automatiseeritud andmekogumise ja analüüsi süsteemi tööstuskeskkonnas.

Teadmus- ja tehnoloogiasiirde aspekt:

• projekt viib teadusmahuka AI (süvaõpe, masinnägemine) rakendusse reaalses tööstusprotsessis;
• toimub teaduslike meetodite (pildianalüüs, mudelõpe) ülekandmine veterinaarse järelevalve praktikasse;
• loodav lahendus on ülekantav teistesse toidutööstuse ja kvaliteedikontrolli valdkondadesse.
Tervisetehnoloogiad ja -teenused
(vt teekaart)
Projekt on otseselt seotud tervisetehnoloogiate valdkonnaga, kuna see toetab toiduohutuse tagamist läbi veterinaarse kontrolli tõhustamise.

Kohalike ressursside (toit, puit, maapõueressursid, teisene toorme ja jäätmed) väärindamine
(vt teekaart)
Projekt seostub tugevalt kohalike ressursside väärindamise fookusvaldkonnaga, kuna see käsitleb loomakasvatuse ja lihatootmise kvaliteedi ning jätkusuutlikkuse parandamist.

Projekt aitab:

• vähendada toidukadu läbi varajase saastatuse ja patoloogiate tuvastamise;
• parandada lihatooraine kvaliteedikontrolli ja seeläbi selle väärtust;
• toetada loomakasvatuse efektiivsust läbi farmipõhise tagasiside.

Teadmus- ja tehnoloogiasiirde aspekt:

• tapamaja tasandil kogutud andmed teisendatakse farmipõhiseks teadmuseks;
• tekib uus andmepõhine tagasisideahel tootja ja järelevalve vahel;
• teaduslikult arendatud AI mudelid rakendatakse otseselt toidutootmise kvaliteedijuhtimises.
Nutikad ja kestlikud energialahendused
(vt teekaart)


13. Seos strateegias Eesti 2035 toodud arenguvajadustega

• Selgitage, kuidas panustavad projekti tegevused ja valitud lahendussuund “Eesti 2035” strateegias kirjeldatud arenguvajadustesse.
• Tooge välja, kui projekti tegevused panustavad muudesse olulistesse valdkondlikesse arengukavadesse või -dokumentidesse.
Kavandatav projekt toetab otseselt mitmeid strateegias „Eesti 2035“ kirjeldatud riiklikke arenguvajadusi, eelkõige tervise ja eluea, ühiskonna toimimise, majanduse ning riigivalitsemise tõhustamise vaates. Projekt aitab liikuda käsitsi ja tööjõumahukalt kontrollilt andmepõhisele, automatiseeritud ja ennetavale järelevalvemudelile.

Inimeste tervis ja eluiga

Strateegia rõhutab vajadust:
• parandada rahvastiku tervisenäitajaid,
• vähendada riskikäitumisest tulenevaid tervisekahjusid,
• tugevdada ennetust ja varajast sekkumist terviseriskide vähendamiseks.

Projekti seos:
• projekt parandab toiduohutust, vähendades riski, et inimtoiduks jõuab ebakvaliteetne või saastunud liha;
• võimaldab varajast patoloogiate ja saastatuse tuvastamist tapamajas, mis on toiduohutuse kriitiline kontrollpunkt;
• loob süsteemi, mis toetab loomade tervise ja heaolu varajast seiret, vähendades süsteemseid terviseriske toiduahelas.

Mõju Eesti 2035 kontekstis:
• tugevam toiduohutuse ennetussüsteem;
• väiksem terviserisk elanikkonnale;
• paremini toimiv “One Health” (loom–toit–inimene) loogika.

Ühiskond ja võimalused

Strateegia rõhutab:
• ühiskonna sidusust ja usaldust institutsioonide vastu,
• teenuste ühtlast kvaliteeti üle Eesti,
• tööjõupuuduse ja vananeva elanikkonna mõju vähendamist.

Projekti seos:
• AI-süsteem vähendab sõltuvust piiratud arvust veterinaarinspektoritest;
• ühtlustab kontrolli kvaliteeti sõltumata inimesest või asukohast;
• suurendab järelevalve läbipaistvust ja objektiivsust;
• toetab avaliku sektori (PTA) tööjõupuuduse leevendamist.

Mõju Eesti 2035 kontekstis:
• väiksem sõltuvus nappivast spetsialistide tööjõust;
• ühtlasem kontrolli kvaliteet;
• suurem usaldus toiduohutuse süsteemi vastu.

Majandus ja tootlikkus
Strateegia rõhutab:
• tootlikkuse kasvu,
• kõrgema lisandväärtusega majandust,
• digilahenduste kasutuselevõttu tööstuses.
Projekti seos:
• automatiseerib seni käsitööna tehtavat kvaliteedikontrolli;
• suurendab tapamajade tööprotsesside efektiivsust;
• võimaldab andmepõhist kvaliteedijuhtimist ja farmide riskihaldust;
• loob uue kõrgtehnoloogilise teenuse (AI-põhine veterinaarkontrolli tugi).
Mõju Eesti 2035 kontekstis:
• kiirem tootmisprotsess;
• väiksem tööjõukulu kontrollis;
• kõrgem lisandväärtus kogu toidutööstuse ahelas.
Riigivalitsemine ja avaliku sektori tõhusus
Strateegia rõhutab:
• andmepõhist valitsemist,
• avalike teenuste tõhusust,
• nutikaid digilahendusi riigifunktsioonides.
Projekti seos:
• toetab PTA järelevalvet reaalajas andmepõhise otsustustööga;
• muudab veterinaarkontrolli andmepõhiselt analüüsitavaks;
• loob struktureeritud andmevoo riiklikuks järelevalveks;
• võimaldab riskipõhist järelevalvet farmide tasandil.
Mõju Eesti 2035 kontekstis:
• tõhusam järelevalve väiksema ressursikuluga;
• parem riskijuhtimine riiklikul tasandil;
• suurem andmete kasutusväärtus avalikus sektoris.

Tegemist on süsteemse innovatsiooniga, mis ühendab toidutootmise, riikliku järelevalve ja tehisintellekti ühtseks andmepõhiseks ökosüsteemiks.

14. Avalike ülesannete täitmine projekti elluviimisel

• Selgitada ning tuua välja seosed ja viited, missuguse seaduse, määruse, haldusakti või lepingu alusel täidab ideekavandi esitaja asutus innovatsiooniprojekti ellu viies avalikke ülesandeid.
• Kui ideekavandi esitaja on MTÜ, siis selgitada, kuidas ta pakub otsest avalikku teenust (loe Teenuste korraldamise ja teabehalduse alused–Riigi Teataja, §2 lg2).
Põllumajandus- ja Toiduamet (PTA) tegutseb riikliku järelevalveasutusena ning täidab avalikke ülesandeid seadusest ja Euroopa Liidu otsekohalduvatest määrustest tulenevalt. Innovatsiooniprojekti raames toetatakse PTA ülesannete täitmist, eelkõige ametlikku kontrolli tapamajades (ante mortem ja post mortem veterinaarkontroll).

Riiklik seadusandlus

Veterinaarseadus reguleerib:

• riiklikku veterinaarjärelevalvet ja selle korraldust;
• loomade tervise ja heaolu järelevalvet;
• loomsete saaduste kontrolli tootmise ja käitlemise käigus;
• järelevalveametnike pädevust ja ülesandeid.

Selle alusel on PTA-l õigus ja kohustus teostada veterinaarset kontrolli tapamajades ning hinnata loomade ja lihakehade vastavust nõuetele.

Toiduseadus sätestab:

toidu ohutuse üldnõuded;
toidu käitlemise ja turule viimise tingimused;
riikliku järelevalve toiduohutuse üle.

PTA teostab selle alusel järelevalvet loomset päritolu toidu (sh liha) ohutuse üle kogu tootmisahelas, sealhulgas tapamajades.

Euroopa Liidust tulenevad õigusaktid

Euroopa Parlamendi ja nõukogu määrus (EL) 2017/625

Otsekohalduv EL määrus ametliku kontrolli kohta.

Reguleerib:

• ametlikku kontrolli toidu- ja söödaalastes õigusnormides;
• loomatervise ja loomade heaolu järelevalvet;
• riskipõhise kontrolli põhimõtteid;
• kontrolli läbiviimist liikmesriikides.

See määrus on PTA järelevalve keskne alusdokument ning määratleb, et kontroll peab olema tõhus, riskipõhine, dokumenteeritud ja jälgitav.


EL loomatervise määrus (EL) 2016/429

Sätestab:

• loomatervise ja haiguste ennetuse põhimõtted;
• loomade heaolu ja haiguste seire raamistikud;
• liikmesriikide kohustused loomatervise kaitsel.

Selle alusel on PTA-l kohustus jälgida loomade tervist ja ennetada zoonooside ja haiguste levikut.


Kokkuvõte

Käesolev innovatsiooniprojekt ei asenda PTA ametlikku kontrolli ega muuda selle õiguslikku vastutust, vaid:
• toetab PTA järelevalveametnikke otsustustoe süsteemiga;
• aitab täita Veterinaarseaduse ja EL määruse (EL) 2017/625 nõudeid tõhusamalt;
• võimaldab paremat andmepõhist ja riskipõhist kontrolli;
• suurendab kontrolli ühtlust ja jälgitavust.

Innovatsiooniprojekt toetab nende õigusaktide täitmist, luues tehnoloogilise lahenduse, mis aitab PTA-l täita oma järelevalvekohustusi tõhusamalt, andmepõhisemalt ja ühtlasemalt, säilitades samal ajal ametliku kontrolli otsustusvastutuse inspektoritel.



15. Rahastus mitmest allikast

• Kas probleemi lahendamiseks või planeeritud lahenduse katsetamiseks on taotletud või taotletakse toetust teistest rahastamisallikatest?
• Kui jah, siis tuua välja rahastusallikas, summa ja tegevused ning kas toetus on taotlemisel või projekt on saanud rahastusotsuse.





Kinnitused
☒ Oleme teadlikud, et Riigikantselei võib saata ideekavandi eksperthinnangu saamiseks valdkonna ekspertidele.
☒ Kinnitan, et esitatud innovatsiooniprojekt on teiste partnerite juhtkondadega kirjalikult kooskõlastatud.

Allkirjastamine
• Ideekavand tuleb allkirjastada projekti esitava(te) asutus(t)e allkirjaõigusliku juhtkonnaliikme poolt (nt kantsler, asekantsler, KOVi juht, KOVi volikogu esimees, ministeeriumi allasutuse juht/asejuht vms) ja saata [email protected].