ИИ выходит в поле: как нейросети помогают выращивать урожай, лечить растения и искать вредителей

На ферме многое зависит от соблюдения простых правил доения: важны и последовательность операций, и их точность. Человек может знать регламент наизусть, но постоянно следить за каждым движением сотрудников непросто.

Компания из Татарстана разработала систему, которая берет часть этого контроля на себя с помощью компьютерного зрения. В доильном зале устанавливают камеры, а ИИ анализирует видеопоток – распознает действия оператора, проверяет последовательность операций и фиксирует нарушения.

Результаты сохраняются в личном кабинете. Руководитель может увидеть статистику по сотрудникам, сменам и типам нарушений и понять, где именно возникает проблема.

По данным разработчиков, после внедрения системы качество молока улучшилось, а производство выросло на 9,3–20,3%. В данном случае искусственный интеллект не заменяет оператора машинного доения. Он берет на себя то, что человеку трудно делать без перерыва: наблюдать, сравнивать и замечать отклонения.

Похожий принцип работает и с растениями. Агроном выявляет болезнь во время обхода поля, но для этого нужны время, опыт и возможность регулярно осматривать посадки. Пермские ученые предлагают перенести часть этой работы в смартфон.

Ученые Пермского национального исследовательского политехнического университета и Пермского государственного аграрно-технологического университета разработали систему, которая определяет заболевания растений по фотографии. Пользователю достаточно сфотографировать подозрительный лист, после чего нейросеть анализирует его цвет, форму, текстуру и характерные пятна.

Систему обучали на полевых снимках – для каждого заболевания использовали не менее 50 образцов. Точность распознавания составляет 70–90% – по словам разработчиков, это сопоставимо с результатами опытного агронома.

Программа не только помогает поставить диагноз, но и ведет цифровой дневник: напоминает о поливе, обработке и повторном осмотре. Так у специалиста постепенно накапливается история состояния растений, а не отдельные фотографии и записи.

Специалисты Центра искусственного интеллекта Новосибирского государственного университета разрабатывают систему, которая с помощью беспилотника ищет очаги заражения картофельных посадок колорадским жуком. На борту находятся четыре камеры и компьютер, который анализирует изображения непосредственно во время полета. Результаты по цифровому каналу поступают на наземную станцию, и агроном открывает веб-приложение с картой поля, где точками отмечены очаги заражения.

– За один вылет беспилотник может обследовать около 3 гектаров. Система работает в реальном времени, все вычисления производятся на борту беспилотника, а результаты тут же появляются на наземной станции, – рассказывает инженер ЦИИ НГУ Максим Магеров.

Вместо того чтобы опрыскивать все поле, разработчики предлагают точечно обрабатывать только зараженные участки. Меньше обработки – меньше нагрузка на почву и расходы на средства защиты растений.

– На данный момент основной набор обучающих данных собран из синтетических изображений и совсем небольшую часть занимают реальные кадры с полей. Поэтому на реальных испытаниях точность не была столь высока, в районе 60%, но есть и большой плюс, это крайне малое количество ложных срабатываний, – отмечает Магеров.

Сейчас команда дорабатывает систему по результатам полевых испытаний.

ИИ умеет не только наблюдать, но и собирать воедино информацию о хозяйстве. Российская компания разработала облачную систему управления стадом «Арка». Она объединяет данные о животных, надоях и производстве и помогает специалистам видеть общую картину происходящего на ферме.

Система прогнозирует надои и отелы, отслеживает возможные риски для здоровья животных и обращает внимание специалистов на отклонения. Встроенный ИИ-консультант Аркаша может объяснить возможные причины изменения показателей, предложить варианты действий и помочь найти нужный отчет.

«Арка» – цифровой помощник для зоотехника, ветеринара или управляющего фермой. Специалисту не нужно самостоятельно сводить данные из нескольких источников – часть этой работы берет на себя алгоритм.

Создание нового сорта – долгий процесс, который может занимать 10–12 лет. Тимирязевский геномный центр разрабатывает платформу «ПУСК», которая должна помочь сократить число неудачных вариантов еще до начала длительных полевых испытаний.

Платформа объединяет данные о геномах и признаках растений, свойствах почвы, погоде и агротехнологиях, а ИИ анализирует их и моделирует свойства будущего гибрида еще до его выращивания.

Идея в том, чтобы сначала проверить перспективность комбинации генов в цифровой модели, а уже затем отправлять наиболее продуктивные варианты на реальные испытания. В проекте уже участвуют 86 организаций – научные центры, образовательные учреждения и представители бизнеса из разных регионов России.

Такая масштабная кооперация призвана ускорить импортозамещение в селекции, что напрямую работает на задачи нацпроекта «Продовольственная безопасность», цель которого – довести долю отечественных семян на рынке до 75% к 2030 году.

Еще один пример – государственное предприятие «Тепличное» в Ульяновской области. Здесь нейросети используют для прогнозирования урожая, а машинное зрение – для контроля качества продукции и сортировки овощей на конвейере.

Следующий этап – цифровой двойник теплицы. Это виртуальная модель производства, которая должна в реальном времени учитывать происходящее внутри и помогать агроному принимать решения: например, подсказывать, когда изменить полив, освещение или другие параметры выращивания.

ИИ не фермер и не агроном – скорее, дополнительная пара глаз и вычислительный помощник. Нейросеть способна круглосуточно следить за коровами, анализировать листья растений, изучать снимки с беспилотника и сопоставлять огромное количество параметров будущего сорта. Человек получает главное – возможность замечать изменения быстрее и принимать решения не только на основе опыта, но и на основе данных.

Разработку и внедрение таких технологий поддерживает национальный проект «Продовольственная безопасность». Среди его задач – развитие отечественных решений для АПК, поддержка исследований в области биотехнологий, селекции и генетики, а также создание современной техники и оборудования. К 2030 году уровень технологической независимости российского АПК планируется довести до 66,7% против нынешних 57,8%. За этим показателем – реальные доильные залы, теплицы и поля, где уже работает ИИ.

Социальная реклама. АНО «Национальные приоритеты». ERID: 2W5zFH7U31b