Как искусственный интеллект может помочь растениеводству

Эксперты фонда «Центр стратегических разработок «Северо-Запад» подготовили доклад о передовых интеллектуальных решениях в сельском хозяйстве. Приводим главные тезисы о перспективах применения искусственного интеллекта и новых технологий в растениеводстве.

Мониторинг качества почвы

• Предотвратить потери урожая, обнаружив деградацию почвы, заболевания и вредителей еще до начала посева можно с помощью применения технологий ИИ в сочетании с сенсорами, автоматизированной техникой, БПЛА и методами анализа больших данных.
• Анализ биохимии почвы при таком подходе более полон и точен в сравнении с традиционными методами, — говорится в докладе.

Суть технологии такова:

1. Датчик, установленный на поле, исследует микроэлементы почвенного покрова.
2. Полученные данные сравниваются с информацией из базы данных с помощью машинного обучения.
3. Становится известен уровень влажности, дефицита питательных веществ, уровень кислотности (pH), состав микробов в образце и другие показатели.
4. Полученный результат аграрии используют, чтобы выявить риски заболеваний, выработать стратегию по различным вмешательствам в зависимости от состава почвы и наличия микроорганизмов.

Чтобы мониторить сельхозугодия, можно использовать «умные» дроны. Они оснащены компьютерным зрением, используют расширенную аналитику, производят аэро- и фотосъемку с высоким разрешением для сбора информации.

Если зондировать поля с их помощью, то можно успешно выявлять:

• засушливые участки
• изменения состояния почвы 
• и т. п.

На основе собранных данных можно получать лучшее представление о профиле влажности почвы для принятия решений, особенно в отношении посева, потенциала урожайности и потребности внесения удобрений. 

Прогнозирование урожайности

• При комбинации методов машинного обучения для анализа 3D-карт, данных с автономных наземных датчиков и данных о почве, полученных с беспилотников, можно прогнозировать потенциальную урожайность.
• Сейчас её прогнозируют в основном путём полевых исследований, но этот метод менее эффективен, чем комплексное использование цифровых технологии, — говорится в докладе.
• Технологии машинного обучения и интеллектуальные системы поддержки принятия решений (ИСППР) обрабатывают всю информацию с полей и способны давать на их основе рекомендации по оптимизации процессов ведения сельского хозяйства и повышению урожайности.
• Сбор информации в режиме реального времени предоставляет экспертам совершенно новые наборы данных, которые используются для разработки прогнозных моделей урожайности. 

Автоматизированная уборка урожая

Уборка урожая с применением роботизированных систем позволяет:

• сократить временные затраты;
• сократить потребность в трудовых ресурсах;
• предотвратить возможные ошибки;
• повысить качество собранного продукта.

Беспилотная сельхозтехника оснащена системами компьютерного зрения: камерами, спутниковыми навигаторами и коннекторами для передачи данных в облачное хранилище.

• Камера, установленная на роботе, способна распознавать и определять степень созревания плода перед тем, как его собрать.

КОНТЕКСТ

• Текущий уровень цифровизации российского АПК существенно уступает ведущим странам, среди которых США, Австралия, Канада, Израиль, Германия и Франция.
• У России есть шанс в ближайшие годы догнать Францию, но понадобится выполнить определённые условия, считают в «Яков и партнеры».

В докладе «ЦСР «Северо-Запад» выделены три решения, которые могут способствовать расширению применения ИИ в российском АПК, это:

Обновление модели подготовки кадров:

• Создание модельных колледжей в партнерстве с индустрией.
• Акцент на несоответствии существующих программ и системы аграрного образования потребностям отрасли.
• Привлечение бизнеса к образовательному процессу для укрепления связи с реальным сектором экономики.

Интеграция отраслевых игроков:

• Сотрудничество представителей науки, образования, бизнеса и власти.
• Создание цифровой платформы для укрепления сотрудничества и внедрения инноваций в сельском хозяйстве. Пример – платформа «РСХБ в цифре» (запущена в 2022 году).

Поддержка междисциплинарных проектов:

• Стимулирование экспериментальных проектов на стыке искусственного интеллекта и сельского хозяйства.
• Конкурсы грантовой поддержки, например, Blue Sky Research.
• Необходимость увеличения подобных инициатив для создания значимых прорывов в развитии отрасли.

По прогнозам, приведённым в докладе, среднегодовой темп роста ИИ в сельском хозяйстве до 2025 года составит 25%. Использование сельскохозяйственных дронов — 22%, облачных технологий — 12% и интернета вещей — 10%.

• В прошлом году американская компания ARK Invest оценила перспективы искусственного интеллекта, точного земледелия и других современных технологий в агробизнесе.
• По их оценке, комбинация ИИ и точного сельского хозяйства может снизить операционные затраты на производство в США: кукурузы на 26%, сои и пшеницы на 31%.
• По прогнозу ARK Invest, 75-80% фермерских хозяйств перейдут на современные технологии в ближайшие годы.
• В России внедрение искусственного интеллекта может стать одним из условий для получения субсидий в сельском хозяйстве.