Карты будущих урожаев: российский ИИ оценит состояние полей
Оценить перспективы урожая на конкретном поле российским фермерам поможет разработка Донского государственного технического университета. Новый цифровой инструмент оперативно подскажет аграриям, как помочь растениям, чтобы они дали максимальную отдачу.
Строить тепловые карты
Одна из традиционных проблем аграриев – то, что традиционные системы мониторинга посевных площадей, необходимые для распознавания, выявления и исследования отклонений у семян сельскохозяйственных культур на стадии всхожести, очень затратны. Они основаны на полевых наблюдениях, но этот метод сбора данных требует больших материальных, временных и человеческих ресурсов. При этом статистические результаты еще нужно интегрировать и устранять возможные пространственно-временные ошибки.
Эту проблему решают в научно-исследовательской лаборатории «Моделирование и разработка интеллектуальных технических систем АПК» (НИЛ АПК) Донского государственного технического университета (ДГТУ). Ученые и студенты разрабатывают инновационную веб-платформу для оценки состояния посевных площадей на сорность и всхожесть растительных культур.
Разрабатываемый в ДГТУ метод мониторинга посевных площадей позволит оперативно оценивать состояние посевов по ключевым параметрам: степень увлажненности отдельных участков поля, риски и угрозы со стороны вредителей и сорняков.
Платформа формирует настоящую карту вариативности каждого участка поля, на которой показаны степень засорённости и успешность прорастания растений. Такие визуализации помогают специалистам оптимизировать применение удобрений и гербицидов, улучшая качество урожая и снижая расходы на полевые обработки, а также практиковать дифференцированное – наиболее эффективное – внесение семян в почву.
Обучили десять нейросетей
Специалисты лаборатории провели обучение десяти разных нейросетей, выбрав лучшую, точность ее работы составляет около 82,54%. Отличительной чертой выбранной модели является способность распознавать всходы культурных растений и сорняков на всех этапах их развития, что существенно улучшает эффективность сортировки растений. Уже изготовлен прототип устройства.
Также учёные параллельно работают над созданием двух комплексов, наземного и воздушного базирования, предназначенных для съёмки полей с указанием координат местности. Эти комплексы позволят снизить затраты на эксплуатацию оборудования и облегчат внедрение передовых технологий в сельскохозяйственную практику.
«Из-за отсутствия систем мониторинга урожайности российские сельхозпроизводители ежегодно теряют до 40% продукции на сумму 720 млрд руб. Система дистанционного мониторинга растений с помощью БПЛА позволит сократить эти потери как минимум на 15% и вдвое увеличить точность прогноза урожая. Ценность нашей разработки, в первую очередь, состоит в том, что она позволяет собрать большую базу визуальных данных. Способности нейросети к прогнозированию связаны с ее возможностями обобщения и выделения скрытых взаимозависимостей между входными и выходными данными», - отмечает старший научный сотрудник Центра агробиоинженерии эфиромасличных и лекарственных растений, к. б. н. Мэри Одабашян.
Сейчас основной задачей лаборатории является накопление и обработка данных для дальнейшего совершенствования алгоритма распознавания растений и определения фаз их жизни. Помимо этого, проводятся тестирования созданных технических устройств для агромониторинга.
Проект объединяет специалистов разных отраслей
Новый проект быстро выйдет за пределы опытных полей и объединит российских экспертов разных отраслей. Для IT-специалистов он станет стимулом развивать аналитику больших геоданных, обработку спутниковых снимков и технологии дистанционного зондирования Земли (ДЗЗ), создание сложных GIS-платформ с элементами ИИ. Для специалистов АПК – методом снижения затрат и повышения урожайности.
При этом сокращение применения химикатов улучшает экологическую ситуацию. В долгосрочной перспективе за счет роста эффективности сельхозпроизводства и увеличения предложения будут снижаться цены на продукты питания и повышаться продовольственная безопасность страны.
Российская разработка станет серьезным конкурентом на глобальном рынке технологий точного земледелия, заняв место рядом с лидерами вроде Cropio или OneSoil. Как и зарубежные платформы, система использует ИИ/ML и данные спутников и дронов. Ее преимущество – уникальная нейросетевая модель с точностью 82.54%.
Логичным шагом развития проекта станет экспансия на рынки СНГ, а затем – Восточной Европы и Азии, где спрос на технологии точного земледелия растет.
