Вести с полей: как ИИ ищет за аграриев сорняки, а дроны скидывают клещей

Цифровые двойники животных, системы подачи кормов и поиск вредителей с помощью ИИ — все это в сельском хозяйстве уже есть либо разрабатывается прямо сейчас. Максим Чепезубов (Центр нанотехнологий и наноматериалов Республики Мордовия) — о ближайшем будущем.

Повышение урожайности и снижение операционных издержек — это те цели, которые преследует аграрный бизнес, внедряя инструменты цифровизации. И хоть искусственный интеллект в сельском хозяйстве пока не применяют широко (чаще в области экспериментальных хозяйств), цифровые инструменты с элементами ИИ уже сегодня решают немало задач, повышая эффективность.

В будущем ИИ сможет выполнять функции главного агронома и станет решать задачи, которые раньше были под силу целому отделу планирования. Более того, все стратегии развития хозяйств, бизнес-планы будут разрабатывать с помощью нейросетей. Процесс начнется с крупных агрохолдингов, потому что предиктивная аналитика на основе самообучающихся нейросетей требует наличия базы данных за большой период времени.

Фактор, который ускоряет тренд на цифровизацию в отрасли, — дефицит кадров. Одна из последних цифр была озвучена первым замглавы Минсельхоза России Оксаной Лут на Сибирской аграрной неделе в ноябре 2023 года: сельскому хозяйству сейчас не хватает 200 тыс. человек. Не катастрофа, но проблема, которую можно решать с помощью технологий.

Программы для автоматизации

Цифровые платформы для управления агробизнесом, в том числе на основе ИИ, сегодня создают многие российские стартапы. Такие системы работают по принципу интернета вещей: сельхозтехника мониторится в автоматическом режиме с помощью датчиков, а информация с них интегрируется в одну платформу с данными полевых метеостанций.

Сейчас в России разрабатывают, например, комплексную систему управления аграрным хозяйством — цифровую платформу «История поля». Это облачный сервис, который способен собирать, аккумулировать, анализировать и хранить всю информацию о работе аграрного хозяйства. Он позволяет планировать операции на полях, вести оперативный учет, в том числе кадастровый, и в случае необходимости сразу же оптимизировать производственные процессы.

Массив данных загружается на IT-платформу, интегрируясь с различными учетными системами, такими как «1С». И в целом все это работает как специализированная аграрная CRM-система. Например, модуль спутникового мониторинга: в систему «Истории поля» еженедельно загружаются спутниковые снимки полей. Затем их анализируют с помощью нейросети — она постоянно сравнивает новые снимки с предыдущими, отслеживает изменения и делает прогноз на будущее.

Получив результаты анализа снимков, аграрии могут быстро выявить проблемные зоны на полях и даже на отдельных их участках, распознать и рассчитать площади неоднородных зон. Затем на основе данных мониторинга в системе выстраиваются графики вегетации, которые можно сравнить с графиками других полей и сезонов.

Модуль планирования и учета проведения полевых работ — это, по сути, автоматизация расчетов севооборота*, требующего затрат — техники, человеческих и денежных ресурсов. Его «настройка» — ключевая задача аграриев.

*Севооборот — это схема чередования различных сельскохозяйственных культур на одном поле. Еще его называют «многопольем», потому что, в отличие от практики выращивания монокультуры, оно предполагает разделение земли в хозяйстве на несколько участков.

Цифровой модуль на основе нейросети сам может моделировать сценарии севооборота и давать рекомендации агроному: что, где, когда и в каких количествах сеять и сколько это должно стоить. Модуль учета урожая, который есть в «Истории поля», также отслеживает передвижения грузовой техники от места сбора урожая до его выгрузки, автоматически подсчитывает объем урожая и при этом умеет работать без сети. Он накапливает информацию и передает ее на общую цифровую платформу, как только появляется интернет.

По опыту первых пользователей «Истории поля» можно сделать вывод, что с ее помощью можно на 80% сократить время на сбор и анализ данных с полей.

Вездесущие беспилотники

Дроны становятся обыденным инструментом для сельского хозяйства во всем мире. По данным Global Market Insights, объем рынка мониторинга сельхозземель с помощью беспилотников к 2032 году составит более $5 млрд. Маркетинговая компания Mordor Intelligence прогнозирует, что мировой рынок дронов для сельского хозяйства до 2027 года будет расти на 7,1% в год.

Разведка земельных участков, пригодных для посевов, контроль за урожаем, точечная обработка растений — это только часть возможностей дронов.

Например, есть перспективы их применения для разбрасывания полезных насекомых — энтомофагов. Это особенно важно для органического сельского хозяйства, где для обработки растений и почвы нельзя использовать химические средства. Помочь уничтожить вредителей могут златоглазки, божьи коровки, хищные клещи, стерилизованные мотыльки и другие насекомые. Традиционно полезных насекомых вносят в плодовые посадки вручную, их яйца раскладывают в специальных капсулах. Дроны упрощают этот процесс радикально.

На этом рынке работает, например, компания «Летай и смотри Агро». Там разработали устройство, которое крепится на беспилотник и равномерно вносит энтомофаги с воздуха.

Также дроны используют для опрыскивания посевов. Правда, пока здесь больше вопросов: беспилотник популярной марки в час обрабатывает не более 10 га при норме распыления 11 л на 0,4 га. Грузоподъемность аппарата — 30 л. Для обработки, например, плодовых деревьев нужно 378 л на 0,4 га. Выходит, что дроны пока слишком маломощны для решения некоторых задач в сельском хозяйстве.

Зато они незаменимы в области картографии и аэрофотосъемки. Дроны передают данные о состоянии посевов, границах полей, помогают обнаружить участки, требующие внесения удобрений, и т.д.

Картография и аэрофотосъемка с дронов — это возможность оперативно внести коррективы в землепользование и сократить издержки на удобрения.

Например, одно агрохозяйство площадью около 11 тыс. га ежегодно тратило на удобрения и гербициды около 40 млн руб. С помощью нейросетей проанализировали аэрофотосъемку его площадей. Выяснилось, что 10% полей можно было и не удобрять, потому что это заболоченная местность, на языке аграриев — неудобица. За три дня, потраченные на анализ снимков, хозяйству удалось сэкономить 4 млн руб. в год.

На производстве самолетных типов беспилотников специализируется, например, российский стартап «Оптиплейн». Такие дроны обеспечивают большую скорость и дальность полета, а возможность вертикального взлета позволяет легко применять их в полях. Также компания оказывает услуги по мониторингу полей и картографии.

Нейросети для растений и животных

Болезни растений очень разнообразны, но их внешние проявления бывают схожи настолько, что даже опытный агроном не может их различить. В таком случае хозяйство выбирает самый простой путь: обрабатывает поля антибиотиками широкого спектра действия.

Один из стартапов в этой сфере — «Агролаб» университетской стартап-студии Оренбургского госуниверситета — разрабатывает систему анализа снимков заболевших растений с помощью нейросети. Как только будут набраны данные, чтобы нейросеть смогла самообучаться, она начнет определять заболевание и рекомендовать способы лечения. Это позволит сократить время на проведение анализов и свести к нулю ошибки при их проведении. Что в конечном счете позволит оптимизировать агротехнические мероприятия по борьбе с той или иной болезнью.

Еще один российский стартап «Агроскан» университетской стартап-студии Балтийского федерального университета им. И. Канта разрабатывает портативный анализатор качества пшеницы. Для аграриев важно правильно отнести зерно к определенному классу — первому, второму или третьему. Для этого традиционно используют стационарное и дорогое оборудование — спектрометры. Портативный анализатор будет работать на основе нейросети: по снимку зерна в ИК-спектре анализировать его и моментально распределять в нужную категорию.

Еще одна возможная задача для нейросетей в сельском хозяйстве — контроль за физиологическим и функциональным состоянием живых организмов.

Данные для исследований ИИ смогут получать в виде показателей жизнедеятельности «цифровых двойников» животных — коров, кур и прочих. Чтобы их создать, на экспериментальных фермах животных «оснащают» датчиками, фиксирующими их состояние на протяжении жизни: реакции на пищу, лекарства, кормовые добавки. Так фермеры получают материал, который затем анализирует нейросеть, сравнивая с банком данных по другим историям жизни и развития животных. В результате фермер может оперативно менять рацион.

Также уже есть технологии взвешивания свиней с помощью машинного зрения — нейросеть делает это по фото и видео животного. Имея данные об изменениях веса поросенка на протяжении всей его жизни, фермерам проще верно составлять рацион для эффективного откармливания.

Кормление животных — самая затратная часть в животноводстве, поэтому автоматизированные инструменты, в том числе с элементами ИИ, могут повысить рентабельность хозяйства. Кроме того, такие системы не только по определенной программе раздают корм точно и без ошибок, но и не пугают животных. А в будущем нейросети научатся более рационально формировать рационы и «подсказывать», чего не хватает конкретной особи. Подобную систему автоматического управления процессами приготовления и подачи кормов в России разрабатывает, например, стартап Санкт-Петербургского государственного ветеринарного университета «Цифровой кентавр».

Кроме того, ИИ давно пытаются озадачить работой с яйцами. Имея большой банк данных с изображениями разных размеров для сравнения (работа над его созданием как раз сейчас идет), нейросеть сможет управлять сортировкой, калибровкой и проверкой качества на птицефабриках. Для этого задействуют механизмы компьютерного зрения. Над таким проектом работают молодые предприниматели в Уральском федеральном университете. Итогом должно стать оборудование, которое сможет модернизировать конвейерную линию для мониторинга качества яиц с помощью нейросети. Запрос со стороны производителей подтверждает, что инструмент нужен.