ОДИН
В ПОЛЕ - ВОИН!
Локайчук Н., ГБПОУ ВО «Борисоглебский сельскохозяйственный техникум».
Руководитель –Дерюжкина В.Н., преподаватель.
Аннотация: в данной
статье рассмотрены примеры искусственного интеллекта, которое можно
интегрировать в сельское хозяйство и принципы его функционирования, а также
некоторые передовые технологии, которые уже применяются в России.
Ключевые
слова: искусственный
интеллект, нейронная сеть, цифровые технологии, аппаратно-программный комплекс , сельское
хозяйство.
Сельское хозяйство и животноводство сегодня является
одним из перспективных направлений развития технологий искусственного
интеллекта.
В области животноводства наиболее востребованные решения связанны с отслеживанием
животных во время выпаса на пастбищах и мониторинг за процессом отела у коров
или других животных, где требуется непрерывное наблюдение, контроль и
своевременное оповещение.
Решения на основе ИИ определяют по камерам, какие именно
животные, когда и как передвигаются, фиксируют все передвижения. Контролируют,
чтобы коровы не ушли с пастбища. По фото с дрона могут быстро пересчитать
животных, или найти оптимальное пастбище, где трава сочнее.
Нейронная сеть легко определяет
рождение телят и оповещает персонала фермы в режиме 24/7. Такие решения
позволяют сохранять здоровье молодняка и соблюдение всех регламентов по
кормлению и уходу за молодыми телятами.
Как работает решение?
Видеокамеры постоянно наблюдают за
животными, данные в режиме реального времени передаются на сервера и
обрабатываются нейронными сетями. По предварительно полученным данным нейронные
сети в режиме реального времени определяют начало отела или признаки
заболевания животных. При рождении теленка сотрудники автоматически получают
оповещения на телефон и принимают меры в соответствии с регламентами. Нейронная
сеть может проконтролировать своевременность прихода специалиста, при
отсутствии сделать дополнительные оповещения для сохранения и контроля здоровья
животных. Одно из перспективных направлений развития сейчас является
автоматический анализ молока, который состоит из аппаратной части: получение
показателей параметров молока и программной части: нейронной сети, которая на
основе этих показателей автоматически определяет и отслеживает изменение
здоровья коров, а так же готовность к спариванию.
Такой аппаратно - программный комплекс позволяет
своевременно предупредить заболевания и экономить на лечении и повысить удои в
среднем на 4-7%. Болезни будут определяться на ранней стадии, это позволит
сэкономить на лечении
В области растениеводства одно из самых интересных
сейчас решений это - система, распознающая болезни садовых растений по
фотографиям .
Решение реализовано как мобильное приложение для Android,
которое позволяет по серии фотографий опознать болезнь садового растения.
Приложением могут пользоваться садоводы-любители, фермеры либо агрокомпании.
Сейчас нейронная сеть умеет распознавать болезни огурцов и помидоров. На
обучающей выборке нейросеть смогла распознать 17 видов болезней с точностью
98%.
Для применения в реальных садах и полях
требуются биотехнологические исследования: болезнь имеет десятки симптомов и
характеристик, тонкие различия могут быть выявлены только с помощью микроскопа
и исследований в лаборатории, после чего нейросеть легко их изучит.
В растениеводстве нейронные сети применяются
для повышения урожайности растений за счет умного управления всеми этапами
роста растения. Нейронные сети могут автоматически подбирать количество воды и
минеральных веществ необходимое растению на каждом этапе развития растения.
Машинное зрение определяет по фото или видео за ростом растения, определяет
площадь листов, цветы и плоды растений. В случае появления дефектов, вредных
насекомых или болезней может предупредить человека, какое заболевание у
растения и как его вылечить.
Можно автоматизировать подсчет и сбор урожая, когда
роботы на основе технологий ИИ будут определять зрелые плоды и своевременно их
собирать. Эти данные нейронная сеть может обрабатывать и с высокой точностью
прогнозировать количество овощей и фруктов со сроками их созревания.
Автопилоты уже
сегодня применяются для комбайнов, которые могут убирать урожай уже не хуже
опытного комбайнера.
Решение позволяет работать более эффективно, особенно во
время уборки урожая. Комбайн с автопилотом может убирать урожай без перерывов
на обед и ночной сон.
В решении применяются технологии
машинного зрения с аппаратной частью, которая устанавливается на технику, так
как данные с камеры сложно в поле передавать на сервер, комбайн на мете
обрабатывает видео и обнаруживает, как правильно построить маршрут в сочетании
с GPS навигацией.
Такой комбайнер не подвержен
человеческому фактору, не пропустит полосу и будет работать. пока не закончит
уборку. Решение, скорее всего, в ближайшем будущем заменит всех комбайнеров на
поле, и становится востребованным, так как сегодня все сложнее готовить и
находить кадры на такую сезонную работу.
Тем, кто сегодня трудится в сельском
хозяйстве, куда скоро придут умные машины, советую начинать обучение современным
технологиям и учится обучать, ремонтировать и обслуживать умные машины, так как
эта работа будет еще долго востребована в будущем.
В соответствии с
поручением Президента РФ от 4 декабря 2020 г. (Пр-2242, п. 2) в субъектах
Российской федерации разработаны и утверждены региональные стратегии цифровизации
АПК.
Россия первая в мире приняла национальный
стандарт – ГОСТ Р 57700.37–2021 "Компьютерные модели и моделирование.
Цифровые двойники изделий. Общие положения", который способствует созданию
продуктов с учетом производственных подходов, предлагаемых зеленой экономикой,
и прогнозированию оптимальной защиты, правильной утилизации отходов. Следует
отметить также ГОСТ Р 59920– 2021 "Системы искусственного интеллекта (ИИ)
в сельском хозяйстве. Требования к обеспечению характеристик эксплуатационной
безопасности систем автоматизированного управления движением
сельскохозяйственной техники".
Передовые технологии в России уже применяются и позволяют осуществить
переход к цифровой трансформации земледелия, являются дистанционное
зондирование земли с помощью спутниковых систем для формирования электронных
карт полей и применение БПЛА c мультиспектральными и гиперспектральными
камерами для удаленного мониторинга состояния полей, плодородия почвы,
экологической ситуации, роста сельскохозяйственных культур, определения
вегетационного индекса, ранней диагностики заболеваний растений, управления
ирригацией и многое другое.
Список литературы
- Водянников, В.Т. Научно –
технический прогресс и эффективность
сельскохозяйственного производства / В.Т. Водянников // Техника и
оборудование для села. – 2018. – № 5. – С. 44–48.
- Исхакова, А. Ф. Применение
искусственного интеллекта / А. Ф. Исхакова // Вестник современных
исследований. - 2018. - № 9.3 (24) .- С. 261-262. –
https://elibrary.ru/item.asp?id=36275758
- https://trends.rbc.ru/trends/industry/614b6fd09a79470280d775ea
аудиоформат
Оставьте свой комментарий
Авторизуйтесь, чтобы задавать вопросы.