Эксперты из Сбер Бизнес Софт, российского разработчика ИТ- и ИИ-решений для автоматизации бизнес- процессов рассказали, какие цифровые технологии и инструменты ИИ сегодня активнее всего используют российские сельхозпроизводители, насколько и за счет чего они повышают эффективность производства.
Искусственный интеллект (ИИ) все глубже проникает в аграрную отрасль, меняя привычные способы ведения дел. Если еще недавно в эффективность ИИ мало кто верил, то сейчас в некоторых крупных агрохолдингах беспилотная техника самостоятельно выполняет посевные работы, дроны осуществляют мониторинг состояния полей в режиме реального времени, а нейросети анализируют полученные данные и предоставляют рекомендации по поливу, внесению удобрений и т. д.
Если говорить об использовании ИИ в сельском хозяйстве, то можно привести такие примеры (уже с доказанной эффективностью по нашим проектам с клиентами):
Компьютерное зрение для мониторинга растений или система видеоаналитики.
Такое решение для мониторинга развития сельскохозяйственных культур и отклонений возможна в современных теплицах 4-го и 5-го поколения. Видеоаналитика может фиксировать отклонения от нормы: наличие вредителей, повреждений, низкую или высокую плотность макушек и т. д. Все изображения поступают на сервер и происходит их обработка с помощью нескольких моделей deep learning (глубокого обучения). Полученные данные можно увидеть на тепловой карте или в отчете. Подобное ИИ-решение становится полноценным помощником агронома, позволяя оперативно реагировать на выявленные отклонения в развитии культур и быстро принимать обоснованные решения.
Например, видеоаналитика от Сбер Бизнес Софт способна выделять четыре степени отклонения состояния листа на основе цвета, площади, плотности поражения и таким образом помогать агрономам выявлять аномалии, прогнозировать урожайность и уменьшать количество ошибок, связанных с человеческим фактором.
ML-модели для прогноза урожайности. Модели анализируют информацию по урожайности за несколько лет (1-5 лет), данные о вредителях, погодных условиях, количестве внесенных удобрений на разных участках полях и т. д. и таким образом предоставляет прогноз по урожайности. Решение позволяет заранее планировать бюджет и необходимое количество сотрудников.
Если говорить о животноводстве, то решения на базе компьютерного зрения выполняют функцию интеллектуального наблюдения, позволяя круглосуточно контролировать состояние поголовья без необходимости использования носимых датчиков (что благоприятно сказывается на более низком уровне стресса животных) и постоянного участия персонала. Такие решения обеспечивают автоматический анализ поведения животных, оценку их физического состояния, выявление признаков заболеваний на ранних стадиях, а также мониторинг отклонений в повседневных процессах, включая доение, кормление и перемещения.
На окупаемость AI-решений в агросекторе будет влиять ряд факторов: размер хозяйства, вид используемого оборудования, уровень цифровой зрелости, наличие инфраструктуры (есть ли вся необходимая), найм и обучение персонала, а для применения ML-моделей наличие массива архивных данных ит.д. В среднем потребуется от одного года до трех лет
Фото esphere.ru
