Цифровой агроном. Как ИИ помогает выращивать урожай, экономить миллионы и определять сорт яблони по листу
Сегодня агропромышленный комплекс становится все более цифровой и высокотехнологичной индустрией. За чем сейчас следят дроны, почему коровы получают «индивидуальные пайки» и как нейросеть отличает один сорт яблони от другого, не видя плодов? Об этом altapress.ru рассказал Денис Козлов, заведующий кафедрой информатики, кандидат физико-математических наук АлтГУ.
Все подробности - здесь
Точная система и фото поля
«Искусственный интеллект из области экспериментов перешел в системное применение и активно внедряется в коммерческий сектор по всему миру, — отмечает Денис Козлов. — В агробизнесе его потенциал огромен и охватывает всю цепочку: от производства и переработки до логистики и продаж».
Одно из ключевых направлений — точное земледелие. Оно строится на данных с датчиков, дронов и спутников. Современная сельхозтехника уже обеспечивает высокую точность посадки благодаря алгоритмам ИИ. Но на этом возможности не заканчиваются.
«Представьте цикл: легкий дрон совершает облет поля, собирая данные. Затем специальная программа на основе ИИ анализирует эти снимки, строит карту вегетации и выявляет проблемные зоны, где растения болеют или испытывают нехватку питательных веществ, — объясняет ученый. — После этого формируется задание для тяжелого дрона-опрыскивателя, который точечно, с точностью до метра, вносит пестициды или удобрения именно туда, где это необходимо. Это позволяет значительно экономить ресурсы и минимизировать воздействие на окружающую среду».
В АлтГУ совместно с коллегами из биологического и математического институтов работают над подобными решениями. Один из проектов — анализ снимков полей подсолнечника. Разработанный алгоритм умеет детектировать на фотографиях отдельные ростки, что помогает мониторировать состояние посевов и прогнозировать объемы будущего урожая.
«Однако есть техническая сложность, над решением которой мы бьемся, — признается Денис Козлов. — Фермеру нужно видеть картину всего поля целиком, а не отдельные кадры. Для этого множество снимков, сделанных дроном «змейкой», нужно бесшовно склеить в единую карту. Для небольших полей до 10 гектаров мы эту задачу решили. Для больших площадей возникают вычислительные сложности, но работа идет».
«Умные» теплицы и другие новшества
Перспективное направление — «умные» теплицы с адаптивным климат-контролем. ИИ, получая данные с датчиков температуры, влажности, освещенности и углекислого газа, может в реальном времени управлять системами вентиляции, полива и досветки, подстраивая условия под потребности конкретной культуры и время суток для максимальной эффективности.
Активно развивается и роботизация. Ученые создали манипуляторы для сбора урожая, сортировки и упаковки продукции перестают быть экзотикой. Системы ИИ также применяют для управления поливом и энергопотреблением на крупных сельхозпредприятиях, что дает существенную экономию.
Еще один интересный проект ученых АлтГУ связан с селекцией. Вместо долгого и дорогого геномного анализа они предлагают использовать компьютерное зрение.
«Мы создали сканер частей растений, — рассказывает Денис Козлов. — Идея в следующем: если опытный селекционер может отличить один сорт от другого по морфологическим признакам, например, по форме листа, и способен объяснить логику своего решения, то этому же можно научить и искусственный интеллект. Наш пилотный проект по определению десяти сортов алтайских яблонь по листьям, а не по плодам, показал успешные результаты».
Любопытно, что изначально многие предполагали, что идентификация будет происходить по плодам. Однако оказалось, что сорта яблонь прекрасно различаются именно по листве.
После слепого контроля, когда алгоритм сравнивал свои выводы с оценками экспертов, выяснилось, что искусственный интеллект действительно можно научить точно определять сорт по листу. Это пример того, что технологии открывают новые и неочевидные пути для решения классических задач, предлагая более быстрые и доступные альтернативы традиционным методам вроде геномики.
Цифровое животноводство и контроль на всех этапах
В животноводстве ИИ трансформирует подходы к управлению поголовьем. Системы чипирования и видеоаналитики позволяют идентифицировать каждое животное, следить за его передвижением, поведением и физиологическим состоянием. Например, выявлять признаки охоты или заболеваний.
«На основе этих данных можно организовать индивидуальное кормление, оптимизировать ветеринарное обслуживание и условия содержания. В итоге это повышает продуктивность, экономит корма и время персонала», — говорит ученый.
В университете разрабатывают системы видеоаналитики для мониторинга в лабораторных условиях. Например, они позволяют автоматически отслеживать активность и поведение насекомых в экспериментальных чашках, параллельно считывая показания датчиков температуры и влажности. Такие технологии в перспективе можно адаптировать для наблюдения за рыбой в садках или за птицей на фермах.
ИИ в логистике и мониторинге
На этапе переработки алгоритмы компьютерного зрения успешно решают задачи инспекции и сортировки сырья по размеру, качеству и степени зрелости.
Кроме того, ИИ используют для прогнозного обслуживания оборудования — система анализирует данные с датчиков и может предсказать вероятность поломки конвейерной линии, что позволяет устранить неисправность до того, как она остановит производство.
В логистике и хранении умные датчики помогают контролировать состояние складов, следить за температурно-влажностным режимом в режиме реального времени и даже прогнозировать процент возможных потерь продукции.
«Анализируя данные и текущие рыночные тренды, системы на основе ИИ могут подсказывать оптимальную стратегию продаж: когда, по какой цене и через какие каналы лучше реализовать урожай. Это позволяет выстраивать и персонализированные отношения с покупателями», — добавляет Денис Козлов.
Тихая революция в действии
История с идентификацией яблонь по листьям — это капля в море тех постепенных, но необратимых изменений, которые приносит с собой искусственный интеллект. Он тихо встраивается в рабочие процессы, решая конкретные проблемы. А точнее экономит лишние литры топлива и удобрений, предотвращает порчу тонн урожая на складе, высвобождает часы человеческого труда для аналитических задач.
Предлагаемые технологии уже не прототипы из научных лабораторий. Это коммерческие продукты и рабочие инструменты.
Как отмечает эксперт, их внедрение перестало быть вопросом технологического престижа — оно становится условием выживания в конкурентной борьбе за ресурсы, качество и рынки сбыта.
Для агробизнеса наступает время, когда данные становятся таким же критическим активом, как земля или вода, а искусственный интеллект — ключевым навыком для управления этим активом. И, по мнению ученых, те, кто освоит этот навык первыми, получат решающее преимущество.