Искусственный интеллект в сельском хозяйстве

19 февраля в 16:36

1993

Искусственный интеллект в сельском хозяйстве

Всё большее число задач в сельском хозяйстве делегируется “умным” системам. С помощью искусственного интеллекта агропроизводители могут повысить экономическую эффективность, снижая расходную часть производства и повышая урожайность.


Сегодня при принятии решений агропроизводитель располагает недоступными ранее источниками информации: снимки спутников и БПЛА, показания датчиков влажности, наземных метеостанций и т.д. При этом на рынке постоянно появляются новые системы мониторинга и контроля, которые предлагают индивидуальный, более точный анализ и прогнозирование.

В 2014 году для информирования фермеров ежедневно на “умных” фермах производилось 190 тыс. замеров. К 2050 году количество замеров вырастет до 4,1 млн в день. Сориентироваться в этом потоке информации самостоятельно практически невозможно.

Одна из задач применения искусственного интеллекта в агросфере — обобщение, анализ и обработка данных различных средств мониторинга, и выдача рекомендаций на их основе.

precision farming guide

Машинное обучение при мониторинге полей

Израильский стартап Taranis предоставляет точную информацию о состоянии растений, позволяет своевременно выявлять негативные факторы и даёт советы по их оперативному устранению. Для мониторинга используются показания полевых датчиков наблюдения, метеорологические данные, аэрофотосъёмка. Для анализа используются снимки с ультравысоким разрешением (до 8 см на пиксель) компании Mavrx.

На основе анализа данных выявляются участки посевов с угнетённым ростом, идентифицируются болезни растений, проблемы с вредителями, определяется обеспеченность растений питательными веществами, потенциальная урожайность и др. Система не только предлагает способы решения обнаруженных проблем, но и на основе метеорологического прогноза определяет оптимальные сроки их проведения.

Платформа Watson Decision Platform for Agriculture от IBM консультирует фермеров при помощи обработки данных дистанционного зондирования Земли. Пользователь получает информацию о наличии поражений кукурузы в результате заболеваний или атаки вредителей. Система анализирует вероятности таких поражений на основе гиперлокального прогноза погоды и индивидуальных данных по посевам.

Watson от IBM определит для фермера вид, количество и оптимальные сроки для обработки пестицидами поражённых площадей. Поможет в проведении профилактической обработки. С помощью индекса растительной активности с высоким разрешением (HD-NDVI) оценит состояние растения, определит необходимые профилактические меры (внесение удобрений, питательных веществ и др.).

Объединяя данные о влажности (HD-SM) с данными о местности и метеорологическими замерами моделируется динамика изменения влажности почвы. Аграрий также получает прогноз урожайности, динамику изменения урожайности на основе снимков и сведений прошлых сезонов и др.

Платформа искусственного интеллекта Health Change Maps and Notifications компании Farmers Edge  информирует фермера об эффективности работы техники, состоянии растений, появлении вредителей или болезней, дефиците питательных веществ и др. Программа обрабатывает спутниковые изображения и отправляет пользователю сообщения о возможных рисках и необходимых мерах.

Приложение Field Manager от Bayer даёт рекомендации на основе обработки спутниковых изображений и загружаемых данных. С помощью мобильного телефона фермер в любое время может получить информацию о состоянии растительности, степени защиты, локальном прогнозе погоды. Пользователь получает сообщения о возможных рисках и рекомендации о способах их предотвращения.  

Платформа Hummingbird Technologies обеспечивает агрария информацией о текущем состоянии культур. Для анализа используются данные спутников, снимки БПЛА, информация наземных средств мониторинга. Для интерпретации данных используются запатентованные алгоритмы.

Компания предоставляет клиентам информацию о количестве и состоянии растительной массы, наличии сорной растительности, обеспеченности растений азотом и др. На основе этих сведений разрабатываются карты дифференцированного внесения удобрений, азота и СЗР, проводятся расчёты по моделированию оптимального режима орошения. Используя эту информацию агропроизводитель может повысить урожайности, сократив расходную часть производства.

Принцып работы Hummingbird Technologies

Преимущества спутникового мониторинга для эффективного земледелия, а также реальные кейсы использования этой технологии будут описаны в “Гиде по точному земледелию”. Если хотите получить Гид сразу же после его выпуска — переходите по ссылке и подавайте заявку: Ваш гид по точному земледелию  — 2019

Технологии умного опрыскивания

Активное использование пестицидов и агрохимикатов в агросфере продолжается более 60-ти лет. Такая практика общепринята и законодательство большинства стран лояльно к широкому применению таких средств. Однако побочные эффекты от их применения сегодня очевидны всем.

Снижение количества применяемых пестицидов помимо экономического эффекта благоприятно скажется на состоянии земельного фонда. Что впоследствии положительно отразится на урожайности.

Автономная система WeedSeeker компании Trimble производит точечное опрыскивание сорной растительности. Система идентифицирует сорняки с помощью светодиодов сканирующих поверхность в красном и инфракрасном диапазоне.

Отражённый свет автоматически анализируется, при обнаружении растения сигнал подаётся на форсунку, которая срабатывает точно над ним. Время срабатывания зависит от скорости прохождения. Залповый впрыск делает возможным эффективную работу системы при сильном ветре. На участках, где сорняки встречаются периодически возможно до 80% экономии активного вещества.

По тому же принципу действует система точного распыления WEEDit, которая идентифицирует и обрабатывает сорную растительность при скорости передвижения трактора до 25 км/ч. Обе системы предоставляют возможность дифференцированного внесения гербицидов при наличии индивидуальных форсунок и сенсоров.

Для дифференцированного внесения удобрений компания Trimble предлагает систему GreenSeeker RT 200 принцип работы которой схож с WeedSeeker. GreenSeeker — сенсорный датчик урожайности, определяющий в режиме реального времени необходимое количество внесения. Также система может использоваться при внесении азотных удобрений, определяя обеспеченности почвы азотом.

Среди других разработок — системы автоматически регулирующие высоту штанги распылителя, включение и отключение форсунок. Технология HawkEye компании Raven с помощью системы клапанов обеспечивает равномерное давление, подавая необходимое количество действующего вещества на каждую форсунку.

Raven hawkeye

Raven hawkeye. Источник: ravenprecision.com

Проекты “умных” технологий борьбы с сорняками

Учёные продолжают работу над совершенствованием имеющихся способов борьбы с сорняками и вредителями. В Индии прошли испытания умного опрыскивателя для садов. Установленный на трактор опрыскиватель, с помощью системы ультразвуковых датчиков определяет размер дерева и расстояние до него. Полученные сведения анализируются и влияют на мощность струи и количество распыляемого вещества. Тестирование показало высокую эффективность применения системы, при снижении до 26% расхода СЗР.  

Компаниями Bayer и Bosh разрабатывается технология умного опрыскивания Smart Spraying. Она будет отличаться от имеющихся на рынке систем благодаря способности отличать сорняки от сельскохозяйственных культур. Предполагается, что система будет “узнавать” сорняк и определять вид и необходимое количество пестицида, с учётом запрограммированных параметров применения.

Убийца сорняков” от компании EcoRobotix способен самостоятельно перемещаться по полю, точечно идентифицируя и обрабатывая обнаруженные сорняки. Разработчики утверждают что технология позволит в 20 раз сократить объём использования гербицидов.

Оперативная идентификация заболеваний растений

Искусственный интеллект с возможностью самостоятельного развития помогает фермерам идентифицировать заболевания, определиться с лечением, а также оценить возможный ущерб. За счёт множественных обращений библиотека подобных сервисов постоянно расширяется, растёт количество определяемых заболеваний. Фермеру требуется лишь сфотографировать поражённую часть растения и через несколько секунд у него будет полная информация о причине его возникновения.

Мобильное приложение Plantix компании Peat предоставляет пользователям возможность диагностирования свыше 60 болезней растений.

Приложение содержит огромную библиотеку снимков, которые сортируются по видам растений, бактерий, заболеваний и др. Алгоритм идентификации заболеваний совершенствуется с увеличением числа загружаемых снимков.

Цифровая платформа Xarvio, которую разработали в Bayer, а в прошлом году приобрел концерн BASF, предлагает пользователям приложение Scouting

Scouting помогает диагностировать заболевания, повреждения, нарушения развития растений на основе обработки фотоснимков. На текущий момент приложение распознаёт 17 болезней. На снимках жёлтых ловушек алгоритм идентифицирует опасных и анализирует их количество.  С точностью от 32–99 % идентифицируются сорняки (в зависимости от фазы роста растений), анализируется степень обеспеченности растений азотом. Приложение отправляет уведомления в случае обнаружения опасных болезней или вредителей вблизи участков пользователя.

Украинский стартап Мониторинг полей планирует составить конкуренцию иностранным приложениям. Его алгоритм на базе математической модели нейронных кластеров в перспективе более эффективный, чем у конкурентов. Планируется функция обработки снимков БПЛА с выявлением заболеваний и определением координат местонахождения поражённых растений.

Другие “умные” системы

Стартап Uptake обрабатывает данные установленных на технике датчиков с целью оптимизации рабочих процессов. Руководствуясь рекомендациями программы, фермер сможет повысить эффективность использования имеющейся в хозяйстве техники.

Американские учёные разрабатывают систему точного полива, которая сможет реализовать задание по обеспечению оптимального количества влаги. Проект призван решить проблему контроля расхода воды на локальном уровне (для каждого растения). Система RAPID (роботизированная система точного полива) состоящая из установленных на систему капельного орошения регулируемых излучателей обеспечит максимальную точность орошения.

Тренд на органические фермы вынуждает искать альтернативу применению агрохимии в борьбе с сорняками. Во многих странах наблюдается дефицит трудовых ресурсов. К тому же, человеческий труд делает производство слишком дорогим. Именно поэтому ведется активная работа над внедрением технологий искусственного интеллекта в агросферу.

 

Заметили ошибку? Выделите ее и нажмите Ctrl+Enter, чтобы сообщить нам.


AgriGeek

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам:

bn

Вверх