ИИ для выявления фальсифицированного молока и кормов

Ключевой метод, который используют нейросети Россельхознадзора, — сопоставление количества молочного жира в сырье и готовой продукции. Система анализирует производственные транзакции в компоненте «Меркурий» и проверяет, можно ли из указанного в документах объёма сырого молока получить заявленный объём масла, сметаны, творога или кефира. Если баланс не сходится, это указывает на использование неотражённого сырья или растительных жиров.

Первый этап автоматической проверки жирового баланса запущен 24 июня 2026 года в уведомительном режиме. Система выявляет случаи, когда масса молочного жира в готовой продукции существенно превышает количество, содержащееся в использованном сырье. Сам сигнал не означает автоматически установленный факт фальсификации — он указывает на несоответствие, которое требует анализа со стороны надзорного органа.

Практика Россельхознадзора: масштаб и результаты

За январь–июль 2026 года управление Россельхознадзора по Тверской и Ярославской областям с помощью модулей искусственного интеллекта подтвердило 114,6 тыс. нарушений при оформлении электронных ветеринарных сопроводительных документов. Наиболее распространённые нарушения — производство готовой продукции из недостаточного объёма сырья, нарушения жирового баланса и отсутствие достоверных сведений о движении сырья.

В Омской области с 12 по 23 января 2026 года система выявила 120 транзакций с несоответствием жирового баланса у 13 хозяйствующих субъектов. На одной из площадок из 23 тонн сырого молока было произведено 45 тонн молочной продукции — масла, сметаны, творога, кефира и ряженки. Недостаток молочного жира в сырье эквивалентен объёму от 3 до 7,6 тонны молока. Материалы направлены в прокуратуру и Роспотребнадзор (согласно данных Россельхознадзора).

В Ростовской области с помощью искусственного интеллекта выявили фальсификацию молочной продукции при оформлении электронных ветеринарных документов в Константиновском районе (согласно данных «Коммерсанта»). В Татарстане производитель использовал «фантомную площадку», существовавшую только в документах, а лабораторный анализ сливочного масла выявил растительные жиры (согласно данных «Ветеринарии и жизни»).

Как ИИ распознаёт подделки в кормах

Нейросеть-классификатор по микрофотографиям

Второе направление — выявление фальсификата в кормах. Исследователи разработали нейросеть, которая анализирует микрофотографии образцов и выявляет статистически значимые различия между качественным кормом и подделкой. Метод основан на сравнении кристаллических фракций: нейросеть-классификатор обучена на изображениях чистых и фальсифицированных образцов (согласно данных Костромской государственной сельскохозяйственной академии).

Точность классификатора достигает 99% для порядка 80% образцов, остальные 20% выделяются в отдельную категорию, с которой нейросеть испытывает сложности. В натурном эксперименте с кормовыми дрожжами модель показала точность 96,7%, хотя изображений дрожжей не было в обучающей выборке. С белковой смесью и кукурузным глютеном нейросеть справилась успешно, а с рыбной мукой выдала результат 50 на 50 (согласно данных исследования, опубликованного в сборнике КГСХА).

Экспресс-анализ кормового сырья

Третье направление — промышленное решение для входного контроля кормов. Компания «МЕГАМИКС» и Сбер представили сервис, который объединяет NIR-анализатор и языковую модель GigaChat. Оператор сканирует образец кормового сырья компактным анализатором в ближнем инфракрасном диапазоне, загружает спектр в личный кабинет, и протокол с результатами формируется в течение двух минут.

GigaChat интерпретирует результаты и сопоставляет их с другими источниками данных. Если нейросеть обнаруживает нетипичные характеристики или спектр, отсутствующий в библиотеке модели, оператор получает предупреждение. Отклонения могут указывать на риск наличия примесей, но разработчики подчёркивают: технология дополняет существующие методы контроля и не заменяет лабораторные испытания.

Пилотный проект реализуется совместно с агрохолдингом CHUVA и правительством Чувашской Республики. По оценке разработчиков, применение сервиса может снизить итоговую стоимость комбикорма на 5–15%. Заместитель директора по управлению качеством «МЕГАМИКС» Максим Голосов отметил, что сомнительные партии дорогих белковых продуктов могут быть отклонены по результатам входного контроля, а каждая единица питательности будет использована по назначению (согласно данных «Агроэксперта»).

Что это меняет для отрасли

Скорость и охват

Традиционные лабораторные методы — микроскопия, БИК-спектроскопия, полимеразная цепная реакция — остаются точными, но требуют времени и дорогостоящего оборудования. Микроскопия зависит от опыта исследователя, БИК-спектроскопия требует затрат на оборудование, ПЦР позволяет определить одно вещество за эксперимент. Нейросети анализируют большие объёмы данных и выявляют закономерности, которые человек может пропустить.

Для Россельхознадзора это означает переход от выборочных проверок к сплошному мониторингу. Система анализирует миллионы транзакций и сама выявляет физически невозможные цепочки. Для производителей кормов — возможность отказаться от создания собственной лаборатории стоимостью около 50 млн рублей и использовать экспресс-анализ на месте.

Ограничения и риски

Ни один из методов не даёт абсолютной гарантии. Нейросеть-классификатор по микрофотографиям испытывает сложности с некоторыми видами сырья, а сигнал автоматической системы жирового баланса требует подтверждения надзорным органом. Экспресс-анализ кормов дополняет, но не заменяет лабораторные испытания.

Второе ограничение — зависимость от качества обучающих данных. Нейросеть, обученная на ограниченной выборке образцов, может не распознать новые схемы фальсификации. Чем разнообразнее база данных, тем выше точность, но её расширение требует времени и ресурсов.

Третье ограничение — интерпретация. Автоматизированный сигнал указывает на несоответствие, но не устанавливает факт фальсификации. Решение о наличии нарушения принимает человек на основе анализа всех обстоятельств.

ИИ для выявления фальсифицированного молока и кормов перестал быть экспериментальным направлением. Россельхознадзор использует нейросети для анализа миллионов транзакций, исследователи создают классификаторы с точностью свыше 95%, а промышленность внедряет экспресс-анализ кормового сырья на базе GigaChat. Технологии не заменяют лабораторные методы полностью, но закрывают разрыв между выборочным контролем и сплошным мониторингом. Остаётся вопрос, как быстро эти решения масштабируются на все регионы и отрасли — от этого зависит, станет ли фальсификация экономически невыгодной.