В 2023 году сельское хозяйство стало приоритетной отраслью экономики России для внедрения искусственного интеллекта. Это принесёт компаниям повышение производительности, снижение издержек и улучшение конкурентоспособности, а потребителям — высокое качество продукции и доступные цены.

Сегодня искусственный интеллект помогает прогнозировать урожайность и улучшать качество посевов, учитывая прогноз погоды и анализируя данные о почве и растениях. С помощью интернета вещей он также позволяет следить за состоянием плодовых культур и почвы, что помогает вовремя выявлять проблемы. Машинное обучение автоматизирует такие задачи, как контроль за поливом, а также сортировка и упаковка урожая.

Процесс внедрения искусственного интеллекта в сельское хозяйство идёт медленно, потому что компании беспокоятся о больших затратах на переобучение сотрудников и покупку технологий. Поэтому нужны дешёвые и простые в использовании разработки на основе ИИ, которые повысят эффективность производства и качество продукции.

Доцент кафедры автоматики и процессов управления СПбГЭТУ «ЛЭТИ» Вячеслав Гульванский сообщил:

Мы с коллегами из Индии создали прототип системы для автоматизации в сельском хозяйстве.

Наша часть работы:

• модель прогнозирования осадков на основе машинного обучения;
• нейросетевая модель определения свежести фруктов.

Также мы разработали пользовательский интерфейс приложения на Android для управления этой системой.

Прототип интеллектуальной системы включает модель на основе машинного обучения, созданную учёными ЛЭТИ. Она прогнозирует осадки и помогает сельхозработникам использовать дождевую воду для полива плодовых культур.

Также в систему входит нейросетевая модель для диагностики свежести фруктов. По их изображениям она определяет уровень спелости: спелое, не очень спелое, не гнилое или гнилое. Изображения можно получать с камер, установленных на конвейерах.

Преимущество этой системы — интеллектуальный модуль, который собирает данные в реальном времени от нескольких датчиков. Датчики устанавливают в разных местах поля с растениями. Они определяют содержание воды в почве, температуру, влажность и выявляют вещества, которые негативно влияют на почву (аммиак, оксиды азота, бензол, табачный дым, углекислый газ и др.).

Благодаря этим данным можно вовремя решить проблемы, связанные с почвой и качеством воздуха в районах посевов.

В перспективе интеллектуальная система поможет в мониторинге состояния плодовых культур во время их выращивания, а также в определении их свежести на конвейерах или при сборе/сортировке с точностью свыше 90% на сельскохозяйственных предприятиях, — добавил Вячеслав Гульванский.

Учёные продолжают работать над улучшением прототипа. В планах — повысить точность системы и создать приложение для дистанционного управления. С его помощью можно будет вести учёт на основе интеллектуального анализа, логистики и других данных.

Результаты исследований по разработке системы опубликованы в научном журнале Scientific Reports.