РБК Компании

Искусственный интеллект в сельском хозяйстве и агропромышленности

Тренды и кейсы внедрения искусственного интеллекта для сельского хозяйства и агропромышленности на примере запросов и кейсов компании
Искусственный интеллект в сельском хозяйстве и агропромышленности
Источник изображения: Pixabay.com
Сергей Федоров
Сергей Федоров
Генеральный директор Statanly Technologies

Руководитель компании Statanly Technologies, а также исследовательского подразделения Statanly Research. За последние годы компанией были реализованы сотни проектов в области внедрения ИИ

Подробнее про эксперта

Агропромышленный сектор, наряду с тяжелой промышленностью, банковской сферой и медициной одним из первых начал внедрять технологии искусственного интеллекта для оптимизации и автоматизации различных производственных процессов. Это произошло уже довольно давно и связано прежде всего с возможностями систем компьютерного зрения, позволяющим решать целый класс задач визуального мониторинга. Такие системы позволяют проводить оценку состояния почвы и растений, выявлять болезни, сорняки, паразитов, контролировать процесс обработки посевных площадей и сбора урожая, повышать производительность сельскохозяйственных угодий. В качестве входных данных используются спутниковые данные или данные с БПЛА (беспилотных летательных аппаратов).

С развитием технологий искусственного интеллекта алгоритмы становятся все более точными и качественными, открывается все больше возможностей применения ИИ для самых сложных задач, стоящих в сельском хозяйстве. Мы рассмотрим примеры самых популярных кейсов внедрения для основных отраслей сельского хозяйства.

Животноводство 

Для животноводства, не зависимо от конкретной отрасли (например, скотоводство, свиноводство или птицеводство) характерными являются задачи мониторинга поведения животных, их классификации и определения различных характеристик: масса, упитанность, состояние здоровья, и т. д. Выделим наиболее классические кейсы:

  • Подсчет количества животных (позволяет распознавать животное, относить к определенному классу, вести подсчет в заданной области)
  • Неинвазивное взвешивание — оценка массы животного на основании его размера
  • Анализ поведения животных
  • Определения степени упитанности животного
  • Классификация животных туш
  • Отслеживание рождения и кормления молодых животных
  • Автоматического обнаружение и классификация дефектов, болезней на тушке.
  • Анализ хромоты животных и их идентификация

Другой класс задач связан с анализом получаемой продукции, например проверки молока, цветности, сахара и т.д., но здесь проходит тонкая граница между сельским хозяйством и отдельным, самостоятельным разделом — пищевой промышленности для которой характерны свои проблемы и задачи. 

Полноты ради, отметим возможности применения ИИ на агропромышленных предприятиях, напрямую не связанные с наблюдением за животными, но имеющими важное значение и популярность:

  • Видеоаналитика эффективности работы персонала
  • Промышленная безопасность. Контроль использования СИЗ

Рассмотрим детальнее несколько классических примеров и начнем с неинвазивного (бесконтактного) взвешивания животных с помощью оценки размеров особи методами компьютерного зрения. Для решения такой задачи необходимы видеокамеры для сбора данных об особях, анализатор видеоданных (вычислительное устройство) и программное обеспечение для обработки информации. Опытный свиновод способен оценить массу свиньи на глаз с точностью +/- 5 кг. Специально обученный детектор делает это с погрешностью 2-3%. Изменение размеров свиньи за период является более существенным показателем прироста, по сравнению с изменением массы т.к. вес свиньи в зависимости от приема воды и пищи может отличаться на 5% в течение суток. Неинвазивное взвешивание решает такие задачи, как:

  • Автоматизация регулярного контроля за весом животного
  • Создание базы данных о темпах набора веса животных и информации о их содержании
  • Минимизация участия человека в процессах взвешивания и учета животных
  • Ежедневный контроль прироста каждого животного без стрессов и без участия человека.

Еще один пример использования технологий компьютерного зрения — отслеживание, подсчет и классификация животных. Камеры непрерывно отслеживают движения и перемещения, формируя хронометраж поведения каждой особи. Это позволяет на ранних стадиях выявлять аномалии, заболевших и ослабленных животных и вести пристальное наблюдение за их поведением с целью определения причин их нездоровья. Стандартными возможностями таких систем являются:

  • Организация регулярного автоматизированного контроля за количеством животных
  • Исключение человеческого фактора при подсчете и мониторинге животных
  • Своевременное принятием мер, которое позволят избежать потерь и повысить эффективность
Искусственный интеллект в сельском хозяйстве и агропромышленности

Другой популярный кейс — система определения степени упитанности КРС (крупного рогатого скота). 

Уровень и качество метаболических процессов в сухостойный и новотельный периоды во многом определяют здоровье и продолжительность жизни коровы. Максимальная выбраковка и гибель коров наблюдается в первый месяц после отела. Поэтому важно определить наличие патологии как можно раньше. Одним из основных индикаторов здоровья стада является упитанность коров. Нельзя допускать ожирения животных в период сухостоя — упи­танность в этот период не должна превышать 3,75 балла. Оценка внешнего вида животного позволяет проанализировать информацию о племенных качествах, возрасте, содержании и состоянии здоровья животного.

Искусственный интеллект в сельском хозяйстве и агропромышленности

Дистрофия жировой и мышечной ткани всегда говорит о наличии тяжелых заболеваний различного характера — копытных, гинекологических, эндокринных, метаболических (прогрессирующие нарушения обмена веществ).

Высокая упитанность у молочных высокопродуктивных животных может сигнализировать о наличии проблем с репродуктивной системой, гормональным фоном, кормлением. Животные, страдающие ожирением гораздо чаще подвержены риску получить различные осложнения после отела, такие как задержание последа, эндометрит, смещение сычуга, кетоз.

Стадия лактации Оценка (Диапазон оптимальной упитанности)

Искусственный интеллект в сельском хозяйстве и агропромышленности

Методология оценки упитанности

Искусственный интеллект в сельском хозяйстве и агропромышленности

Оценка упитанности коров в баллах и отслеживание динамики этого показателя во времени помогут:

  • Решением проблем с кетозом
  • Снижением риска образования хромоты
  • Своевременным принятием мер, которые позволят избежать потерь и повысить эффективность

Несоответствие рекомендуемой упитанности у животных на разных этапах лактации может привести:

  • К потерям молочной продуктивности
  • К нарушению репродуктивной функции животных
  • К необходимости дорогостоящего лечения

Птицеводство

И хотя птицеводство, как отрасль, входит в категорию животноводства, разнообразие кейсов возникающих здесь имеют свою специфику и отличия. В первую очередь, это связано с разницей в характеристиках исследуемого объекта. В частности, поведение, размеры, вес, скорость движения, наличие объема перьев. Эти различия влияют, как на выбор соответствующих методов и технологий, так и оборудования необходимого для анализа птиц. Например, в случае анализа поведения птенцов используются камеры с технологией глобального затвора (Global Shutter). В режиме глобального затвора все пиксели массива экспонируются одновременно, что позволяет захватывать «стоп-кадр» быстро движущихся или быстро меняющихся событий. Такие камеры дают четкие, высококачественные изображения с большой частотой передачи кадров без нарушения геометрии и искажений. Из-за требований к высокой пропускной способности использование таких камер сопровождается необходимостью использовать гигабитные волоконно-оптические соединения. 

Как и в случае со свиньями или рогатым скотом внедрение технологий компьютерного зрения позволяет анализировать поведение птиц, минимизировать риски, связанные с повышением плотности распределения по кластерам, ведущие к последующему взаимному травмированию и гибели живности. По сути перед нами стоят две задачи.

Распределение птиц по птичнику:

  • Равномерное ли распределение?
  • Птицы сбивается в одной точке?
  • Есть ли участки, на которых нет птиц?
Искусственный интеллект в сельском хозяйстве и агропромышленности

Анализ поведение птиц:

  • Линии поения и кормления: есть ли около них птицы?
  • Например, треть стада должна быть у кормушек, треть стада должна находиться у поилок и треть стада должна отдыхать или передвигаться по птичнику. Так ли это?
  • Выделяются ли какие-то отдельные особи от остальных?
  • Случается ли аномальное поведение?
Искусственный интеллект в сельском хозяйстве и агропромышленности

В итоге, после внедрения подобных систем автоматизации процессов анализа поведения птиц можно в режиме реального времени:

  • Подсчитывать и классифицировать птицы
  • Обнаружить мертвые тушки
  • Обнаружение кластеров (ячеек), в которых отсутствует птица
  • Выявлять движение в ночное время суток
  • Определять характер скоплений (кучкование, сбивание в углы)
  • Детектировать аномальное поведение (детекция долго сидящих или не подходящих к кормушкам и поилкам птенцов и куриц, не передвигающихся, больных и т.д.)

Растениеводство и земледелие

Системы на базе технологий компьютерного зрения для оптимизации мониторинга сельскохозяйственных угодий появились в агропромышленности существенно раньше остальных. И связано это, в первую очередь, с большими размерами полей и возможностями их облета с помощью беспилотных летательных аппаратов, а также наблюдения со спутниковых снимков.

Искусственный интеллект в сельском хозяйстве и агропромышленности

Такие системы позволяют:

Проводить оценку состояния почвы и растений. ИИ обнаруживает недостаток макроэлементов и микроэлементов в почве, питательных веществ в растениях и сигнализирует об этом.

Контролировать процесс обработки посевных площадей и сбора урожая. Система автономного управления комбайнами, тракторами, опрыскивателями на основе ИИ анализирует изображения, определяет типы и положение объектов на территории, выстраивает маршрут и траекторию движения техники и передает ей команды для выполнения безопасных маневров.

Прогнозировать урожайность. ИИ-модели, которые учитывают исторические данные по культурам, погоде, координатам, помогают рассчитать оптимальный севооборот для конкретного поля и выявлять отклонения на участках.

Поддерживать оптимальные условия выращивания сельскохозяйственных культур. Например, интеллектуальный полив орошает поля в соответствии с заданными параметрами, а также обеспечивает дифференцированную подачу воды и удобрений в нужное время и в нужных количествах.

Производить мониторинг сельхозугодий с помощью беспилотников. Беспилотные летательные аппараты собирают данные с помощью камер, делая снимки в заданных местах. Полученные фотографии передаются в обработку системам ИИ, которые безошибочно разделяют культурные и сорные растения, определяют фазы развития посевов и сигнализируют о проблемах.

Как итог, внедрение интеллектуальных систем и систем видео мониторинга приводит ко множеству положительных тенденций:

  • Сокращение числа переделов при сортировке
  • Повышение сорта/класса продукции
  • Автоматизация ручного труда, повышение качества и точности
  • Сокращение потерь при хранение из-за дефектов, гнили, болезней

Резюме

Мы рассмотрели лишь малую часть популярных кейсов внедрения систем на базе технологий машинного обучения и компьютерного зрения для некоторых отраслей сельского хозяйства. За рамками остались такие отрасли, как рыболовство, пчеловодство, производство различных культур и т.д. И здесь нужно отметить, что, с одной стороны многие задачи той или иной отрасли во многом схожи, с другой, безусловно есть уникальные кейсы, характерные конкретному направлению сельского хозяйства. Обобщая, можно в заключение сказать, что практически любой процесс, контролируемый человеком на сегодняшний день, может быть решен с помощью ИИ, как правило гораздо точнее и качественнее. 

Источники изображений:

Личный архив компании

Интересное:

Новости отрасли:

Все новости:

Публикация компании

Достижения

Ведущий разработчик ИИ решенийСотни проектов в области внедрения систем на базе технологий искусственного интеллекта

Контакты

Адрес
Россия, г. Санкт-Петербург, ул. Биржевая линия, д. 16

Социальные сети

ГлавноеЭкспертыДобавить
новость
КейсыМероприятия