Эссе 2. Искусственный интеллект в сельском хозяйстве

• Название: Искусственный интеллект в сельском хозяйстве
• Дата: 08.04.2023
• Размер: 18.25 Kb.
• Имя файла: Эссе 2.docx
• Тип: Анализ; #1046171

Искусственный интеллект в сельском хозяйстве

В сельском хозяйстве искусственный интеллект начинает использоваться повсеместно: например, без него не работают системы автовождения, так можно управлять сельскохозяйственной техникой автономно. В нее встраивают интеллектуальные системы, они анализируют изображения с камер и с помощью нейронных сетей определяют типы и положение объектов в процессе движения, строят маршруты, передают команды.

ИИ используют в точном земледелии — так называют современный и технологичный подход к ведению сельскохозяйственного производства, который учитывает неоднородность в рамках одного поля. Обычно поле состоит из участков с разными характеристиками почвы (соотношением глины, песка и ила, количеством фосфора, азота, калия и так далее). Это нужно учитывать при посевах, обработке и сборе урожая.

Поскольку сельское хозяйство — не высокомаржинальная сфера, а многие виды деятельности могут быть планово убыточны, возможность сократить затраты помогает предприятию выживать.

Анализ почвы 

Обычно чтобы узнать, из чего состоит почва, нужно брать пробы на разных участках. Для агрохолдинга, под управлением которого находится 10-20 тыс. га, это дорого и трудозатратно. На помощь приходит ИИ — он анализирует поле в первом приближении по снимкам с БПЛА или спутников, определяет тип почвы, количество гумуса в ней и соотношение разных элементов.

Основные провайдеры спутниковых снимков — семейство спутников Sentinel, запущенное Европейским космическим агентством, американская программа Landsat и «Роскосмос».

Дифференцированная обработка поля  

Если поле неоднородное, его разбивают на несколько участков. Обычно для этого используется индекс NDVI, который рассчитывают по снимкам со спутников и БПЛА и позволяет узнать, в каком состоянии растения на разных участках поля. На основе этого индекса и других показателей можно разработать карты дифференциальной обработки полей (вспашка, удобрения, обработка средствами защиты растений). Это позволит сэкономить на удобрениях, горюче-смазочных материалах и средствах защиты растений. Так же работает дифференцированное орошение, опрыскивание сорняков и посевы.

Модели ИИ подсказывают фермеру или агроному, когда нужно посадить урожай и собрать его, внести удобрения. Обычно это выглядит как напоминание о необходимости сделать какое-то действие, решение принимает человек.

Прогнозирование заболеваемости и появления вредителей 

ИИ может спрогнозировать появление болезней и вредителей на поле. В качестве базы используются либо метеоданные (когда у агрохозяйства нет специальной аппаратуры), либо информация с датчиков, камер, дронов с высоким разрешением. Такой анализ находит заболевания на ранней стадии или распознать вредителей, пока они не распространились по полю, и сохранить урожай.

Прогнозирование урожая

ИИ помогает предприятиям оценить будущий урожай. Эта информация нужна весь сезон сельскохозяйственных работ, не только чтобы составлять планы, но и корректировать их, если что-то пошло не так. На основании исторических данных с помощью алгоритмов можно построить карту урожайности: она покажет, сколько агрохозяйство соберет с каждого участка поля в зависимости от его агрохимических и агрофизических показателей, рельефа. При следующих посадках можно опираться на эти данные.

Выявление проблемных мест

С ИИ можно определить проблемные территории: засушливые и затопленные участки поля. Уже после первичного анализа фермер или агроном может выехать на место и провести исследование другими инструментальными методами. Обнаружение проблемных участков полезно при страховании. 

Оценка инвестиционной привлекательности

Иногда по документам поля оформлены как сельскохозяйственные угодья, а на самом деле давно заросли кустарником или деревьями. Иногда землю используют неправильно, и почвенный слой истощается — тогда нужна рекультивация почвы, а это дополнительные вложения. По историческим данным и спутниковым снимкам можно определить состояние поля и примерно оценить, сколько нужно инвестировать для того, чтобы оно начало приносить прибыль.

Государственный мониторинг и контроль

Площадь неиспользуемых сельхозземель в РФ — почти в 44 млн га. Часто земли числятся как сельскохозяйственные угодья, но на их месте леса, постройки, свалки (количество зафиксированных незаконных свалок в конце 2021 года в России превысило 15 тыс. — это на 30% больше, чем было в конце 2019 года). Иногда государство субсидирует и выдает гранты на развитие сельского хозяйства на определенной территории, но получатели землю не используют.

Контролировать все процессы лично, отправляя инспекторов на каждое поле, на больших объемах становится невозможно. Нужны инструменты для автоматизации. ИИ позволяет узнать, что происходит на конкретном участке земли, и спланировать дальнейшие действия.

Специфика сельского хозяйства в России 

У российского рынка есть четыре особенности, которые влияют на уровень внедрения ИИ.

Низкая цифровизация. В Российский агропромышленный комплекс мало проникают ИТ-технологии. Минсельхоз России еще пять лет назад поддержал цифровизацию российского АПК, но воспользовались этим лишь 5% компаний в аграрном секторе. Причем это не ИИ, а простые технологии вроде автоматизации отчетности.

У крупных агрохолдингов уровень цифровизации выше. Они чаще используют дифференцированное внесение удобрений, интересуются прогнозированием урожайности, отслеживают состояние полей и автономно управляют техникой. Но даже они используют разрозненные решения, закрывающие одну-две потребности. 

На российском рынке мало комплексных продуктов, которые объединяют всю информацию и создать цифровой двойник агрохолдинга, хотя запрос на это высокий. Комплексный мониторинг состояния почв повышает продуктивность сельскохозяйственных культур не менее чем на 20%.

Разрозненность данных агропредприятий. Другая особенность российского рынка — здесь нет единых форматов данных и протоколов их передачи. Из-за этого информация для ИИ хранится в разрозненном виде и с трудом поддается анализу. Иногда важных сведений и вообще нет в электронном виде.

Мало техники своего производства. До введения санкций в России использовали западную технику — например, американской компании John Deere. Для ее обслуживания нужны импортные запчасти, а заменить прошивку можно только в официальных сервисных салонах. Из-за того, что компания остановила деятельность в России, пользоваться их машинами скоро будет нельзя.

В стране есть отечественные производители «железа» и софта для АПК. Например, компания Cognitive Pilot, которая разрабатывает высококлассные «умные» системы управления для сельскохозяйственной техники. Но для того, чтобы масштабировать эти решения и увеличить количество техники отечественной сборки с установленными российскими модулями, нужно время.

Сложности с переобучением специалистов. Многие фермеры и агрономы узнают о точном земледелии только после курсов повышения квалификации. Специалисты могут хранить информацию о своих полях на бумаге или в голове, а не в информационной системе. Когда человек уходит на пенсию или переходит в другое агропредприятие, эти знания приходится восстанавливать с нуля. При этом средний возраст фермера в мире составляет 55 лет, эта ситуация примерно соответствует российской действительности (хотя он снижается). Некоторые готовы переобучаться, но многие не принимают новое или не могут позволить себе дополнительное образование.

Несмотря на все сложности, перспективы у российского сельского хозяйства хорошие, ведь у России огромные земельные ресурсы. Площадь земельного фонда РФ превысила 1,7 млрд га, из них порядка 22% — земли сельскохозяйственного назначения. Вопрос в том, что эти земли необходимо правильно возделывать — и поможет в этом искусственный интеллект.