Искусственный интеллект в апк реферат

Обновлено: 05.07.2024

Искусственный интеллект в 2017 году начал покорять и отрасль сельского хозяйства и торговли продуктами питания. Сергей Николенко, научный руководитель платформы Neuromation.io , специально для Milknews рассказывает о будущих сельскохозяйственных приложениях, в которых могут быть использованы синтетические данные.

Компьютерное зрение для анализа посевов: смотреть и видеть

Современное сельское хозяйство — это огромная отрасль. Чтобы накормить миллиарды людей, нужно много земли, и обработать её вручную в наше время уже, конечно, невозможно. Болезни растений и нашествия насекомых часто приводят к неурожаям, а при современных масштабах сельского хозяйства такие нашествия сложно вовремя выявить и нейтрализовать в зародыше.

Это важная область, где могут помочь алгоритмы компьютерного зрения. Растениеводы используют компьютерное зрение для распознавания заболеваний культур: как на микроуровне, по снимкам листьев и растений крупным планом, так и на макроуровне, выявляя ранние признаки заболеваний растений или распространения вредителей по данным аэрофотосъёмки. Все эти проекты обычно основаны на основном современном подходе к компьютерному зрению: сверточных нейронных сетях (convolutional neural networks, CNN).

Заметим, что речь здесь идёт о компьютерном зрении в очень широком смысле. Во многих случаях фотографии — отнюдь не лучший источник данных, и многие важные аспекты жизни растений лучше изучать другими способами. Зачастую состояние растений можно лучше понять, например, собирая при помощи специальных датчиков гиперспектральные изображения или выполняя лазерное трехмерное сканирование; такие методы всё чаще используются в агрономии. Данные такого рода обычно имеют высокое разрешение и по своей природе ближе к медицинским снимкам, чем к фотографиям; одна из систем наблюдения за посадками прямо так и называется — AgMRI. Для обработки этих данных нужны специальные модели, но их пространственная структура позволяет применять современные технологии компьютерного зрения, в частности сверточные нейронные сети.

Недавно 37 миллионов долларов были вложены в создание Исследовательского центра фенотипирования и обработки изображений растений (Plant Phenotyping and Imaging Research Centre) в Университете Саскачевана (Saskatchewan). Это целая организация, основная задача которой — сбор больших наборов данных о культурах (обычно в виде фотографий или описанных выше трёхмерных изображений) и сопоставление данных о фенотипе с генотипом растений; результаты таких проектов можно использовать для совершенствования сельскохозяйственных технологий во всем мире.

Робототехника в сельском хозяйстве

Познакомьтесь с Prospero, автономным сельскохозяйственным роботом, который ужасно похож на WALL-E. Он может выкопать в земле ямку и посадить туда растение, следуя предустановленным общим шаблонам, но учитывая при этом и конкретные особенности ландшафта. Потом Prospero будет ухаживать за посадками, работая с каждым растением индивидуально. А когда настанет время, он соберёт урожай, и при этом снова будет обрабатывать каждое растение точно так, как нужно. Prospero основан на концепции "роевого земледелия”: посмотрите это видео и представьте себе армию маленьких Prospero, которая ползет по полям, оставляя за собой аккуратные ровные ряды растений.
Что интересно, Prospero на самом деле появился ещё в 2011 году, до расцвета современной революции глубокого обучения. Однако он по-прежнему остается прототипом, пока не нашедшим широкого применения. А сегодня роботы распространяются в сельском хозяйстве, позволяя автоматизировать всё больше рутинных задач:

автоматизированные беспилотные летательные аппараты опрыскивают сельскохозяйственные культуры; маленькие юркие дроны могут обеспечить более точную доставку опасных химикатов, чем обычные самолеты; более того, тех же дронов-опрыскивателей можно использовать и для аэрофотосъемки, из которой получатся данные для алгоритмов компьютерного зрения из первой части этой статьи;
всё больше развиваются и применяются специализированные роботы для сбора урожая: зерноуборочные комбайны существуют давно, но только сейчас, при помощи современных методов компьютерного зрения и робототехники, получилось разработать, например, робота, собирающего клубнику;
Hortibot, недавно разработанный учеными Орхусского университета (Aarhus University) в Дании, способен распознавать и уничтожать сорняки, удаляя их механическим способом или точечно опрыскивая гербицидами; это еще один большой успех современной робототехники и компьютерного зрения, поскольку отличать сорняки от полезных растений и работать с мелкими растениями при помощи манипуляторов раньше не особенно-то получалось.

Хотя многие из этих роботов по-прежнему остаются прототипами или проходят испытания в небольших масштабах, уже ясно, что робототехника и сельское хозяйство созданы друг для друга. Можно смело предсказывать, что все больше и больше сельскохозяйственных работ будут автоматизированы в ближайшем будущем.

Видеонаблюдение за сельскохозяйственными животными: Большой Брат для Пятачка

И наконец, третье сельскохозяйственное применение искусственного интеллекта по большому счёту ещё даже не появилось. Это пилотный проект, который Neuromation планируем запустить в начале этого года. В этом проекте планируется внедрить современное компьютерное зрение в отрасли, которая пока не удостоилась большого внимания со стороны сообщества глубокого обучения: в животноводстве.
Попытки использовать машинное обучение на данных от слежения за домашним скотом, конечно, уже были. Например, пакистанский стартап Cowlar выпустил ошейник, который дистанционно отслеживает активность и температуру коров и буйволов, под броским девизом “FitBit for Cows”, а французские ученые разрабатывают ”распознавание лиц для коров”. Neuromation собирается автоматизировать сбор при помощи компьютерного зренияважнейших данных в ранее обойденной вниманием отрасли объемом в сотни миллиардов долларов — в свиноводстве.
На современных фермах свиней содержат относительно небольшими группами, в которые отбирают максимально похожих животных. Основная часть затрат в свиноводстве приходится на корм, и оптимизация процесса откорма — центральная задача современного свиноводства.
И фермеры, скорее всего, смогли бы решить эту задачу, если бы у них была подробная информация о привесе свиней. Но сейчас животных обычно взвешивают всего два раза за всю жизнь: в самом начале и в самом конце откорма. Если бы специалисты знали, как идет откорм каждого поросенка, можно было бы составить индивидуальную программу откорма каждой свиньи, а то и индивидуальный состав пищевых добавок, что существенно улучшило бы выход продукции.
Загнать животных на весы не очень сложно, но это огромный стресс для животного, а от стресса свиньи худеют. В новом проекте планируется разработать новый, неинвазивный метод взвешивания животных: Neuromation собирается построить модель компьютерного зрения, которая будет оценивать вес свиней по фото- и видеоданным. А эти оценки будут подаваться на вход уже классическим, аналитическим моделям машинного обучения, которые будут улучшать процесс откорма.

Сельское хозяйство как фронтир искусственного интеллекта

Земледелие и животноводство зачастую принято считать старомодными и отсталыми индустриями. Однако сегодня сельское хозяйство всё чаще оказывается на переднем крае искусственного интеллекта.

Основная причина здесь в том, что многие возникающие в сельском хозяйстве задачи одновременно:

достаточно сложны, чтобы их не получалось автоматизировать без использования современного искусственного интеллекта и глубокого обучения: культурные растения и свиньи, хоть и похожи друг на друга, но всё же не сошли с одного конвейера, к каждому кусту помидоров и каждой свинке нужен индивидуальный подход, и поэтому до самого последнего времени вмешательство человека была абсолютно необходимо;
но в то же время достаточно просты, чтобы уже при сегодняшнем развитии искусственного интеллекта мы могли бы их решить, учитывая индивидуальные различия между растениями и животными, но при этом автоматизируя общие технологии работы с ними; водить трактор в чистом поле проще, чем автомобиль в уличном потоке, а взвесить свинью проще, чем научиться проходить тест Тьюринга.

Сельское хозяйство по-прежнему остается одной из крупнейших и наиболее важных отраслей на планете, и даже небольшое повышение эффективности даст огромный выигрыш просто из-за огромного масштаба.

Сельское хозяйство и животноводство сегодня является одно из перспективных направлений развития технологий искусственного интеллекта. Сегодня расскажем где применить ИИ в сельском хозяйстве.

Где применяется искусственный интеллект в животноводстве

Наиболее востребованные сейчас решения связанные с отслеживанием животных во время выпаса на пастбищах и мониторинг и наблюдение 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.

Отслеживание рождения и кормления молодых животных

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

Видео камеры постоянно наблюдают за животными, данные в режиме реального времени передаются на сервера и обрабатываются нейронными сетями.

По предварительно обученным 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.

Автоматизация проверки молока

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%.

Как оказалось, экономически очень эффективно быстрое определение готовности к спариванию, так как несвоевременного осеменения коровы ежегодно приносит многотысячные убытки хозяйствам.

Болезни будут определяться на ранней стадии, это позволит сэкономить на лечении

Где применяется искусственный интеллект в растениеводстве

Одно из самых интересных сейчас решений это - система, распознающая болезни садовых растений по фотографиям .

Решение реализованно как мобильное приложение для Android, которое позволяет по серии фотографий опознать болезнь садового растения.Приложением могут пользоваться садоводы-любители, фермеры либо агрокомпании.

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.

Умное растениеводство

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 на сельскохозяйственной технике

Сегодня уже во всю идут испытания автопилотов на автомобилях, спец техника тоже не отстает. Уже сегодня применяются автопилоты 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, мы советуем начинать изучать современные технологии и учится обучать, ремонтировать и обслуживать умные машины, эта работа будет еще долго востребована в будущем.

Если у вас есть идеи как применить нейронные сети в вашем хозяйстве напишите нам на сайте Ivanov Lab мы проконсультируем, что можно применить у вас, чтобы повысить эффективность вашего хозяйства.

Если понравилась статья ставьте лайки и подписываетесь на нас, напишем еще много интересного.

Интерес к искусственному интеллекту растёт с каждым годом: в 2011 году было осуществлено 67 сделок с компаниями, которые занимаются разработкой технологий ИИ (Artificial Intelligence), а уже в 2015 году — около 400. В первом квартале 2016 финансового года состоялось более 140 сделок — рекордный показатель за историю сектора.

В мае 2016 года российская компания Cognitive Technologies протестировала беспилотный трактор с системой компьютерного зрения. На тракторе были установлены видеокамеры, навигационный и инерционный датчики ГЛОНАСС и GPS и вычислительный блок.

Трактор объезжает объекты, которые невозможно убрать при уборке урожая, а благодаря видеокамерам и датчикам он получает информацию о появлении новых объектах в режиме реального времени. По словам Ольги Усковой, технология должна быть готова для продажи потребителям через полтора года.

В августе 2016 года компания CNH Industrial представила концепт беспилотного трактора на основе существующего Case IH Magnum. Трактор может работать без участия водителя, используя лидар (технология получения и обработки информации об удалённых объектах с помощью систем, использующих явления отражения света и его рассеяния — прим. ред.) и камеры для того, чтобы обнаруживать и избегать препятствия. По словам представителей компании, беспилотные транспортные средства помогут повысить точность и продуктивность работ в секторе сельского хозяйства.

Компания Blue River Technology выпускает устройства LettuceBot, которые, используя технологию машинного обучения, распознают среди здоровых растений сорняки и опрыскивают их гербицидами. По словам разработчиков, LettuceBot фотографирует более 5000 растений в минуту.

Сайт PlantVillage собрал базу объёмом в более 50 тысяч фотографий здоровых и больных растений. Цель разработчиков — запустить приложение, где фермеры будут загружать изображения больных растений, а алгоритмы определять их диагноз. Издание Wired пишет, что аграрии тратят много денег и времени из-за неправильной диагностики, а искусственный интеллект сможет быстро и точно определить проблему.

Что дальше?

Технологии искусственного интеллекта будут применяться в вертикальных фермах, считает Нил Якобштейн, руководитель курса искусственного интеллекта и робототехники в Университете сингулярности в Кремниевой долине. Вертикальное фермерство — практика выращивания урожая в теплицах, где искусственно создаются все необходимые условия: свет, температура, влажность.

Украина и высокие технологии в агросекторе

Спустя пол года, в феврале 2016 года при поддержке Microsoft и МинАПК Украины, ассоциация AgTech Ukraine провела в Киеве Всеукраинский хакатон аграрных инноваций, который объединил более 150 участников и 20 знаковых менторов и экспертов в области IT и агросектора с целью создания новых технологических продуктов в агробизнесе.

Следом за эти событием в Украине состоялся первый всеукраинский форум, посвященный высоким технологиям для агропромышленности AgTech Forum 2016. Мероприятие собрало более 300 участников, на нем встретились агропроизводители, представители технологического сектора, агросервисных, консалтинговых и дистрибьюторских компаний, ИТ-компании и системные интеграторы, банки, финансовые и страховые компании из разных уголков Украины. Красной нитью через все выступления проходило одно утверждение: посредством синергии высоких технологий и агросектора Украина обретет прекрасный шанс занять сильную позицию в этой достаточно новой нише, потому для этого есть все необходимые ресурсы, включая интеллектуальный потенциал.

B конце октября 2016 года ассоциация AgTech Ukraine проведет еще один Хакатон агарных инноваций в Одессе, тем самым расширит географию активности на южный регион и привлечет целевую аудиторию тех, кто заинтересован в высокотехнологическом развитии агросектора Украины.

Россия в аутсайдерах

Отставание нашего агросектора по уровню внедрения цифровых решений от Европы и США значительное, многие производители используют лишь отдельные элементы цифрового оборудования или не используют вовсе. Однако с 2018 года, когда АПК был включен в перечень отраслей, подлежащих цифровой трансформации, появилось большое количество качественных отечественных IT-решений, которые конкурируют с иностранными, обращает внимание руководитель проекта по цифровизации АПК Центра технологического трансфера ВШЭ Сергей Косогор. В том числе благодаря господдержке через институты развития создан необходимый задел, который способен обеспечить цифровую трансформацию отрасли и позволить осуществить перевооружение отечественного АПК, уверен он.

Уровень цифровизации АПК в России очень разнородный — он наглядно отражает многоукладность сектора, оценивает Чулок. Есть предприятия — как правило, это крупные агрохолдинги — у которых даже по мировым меркам очень высокий уровень цифровизации и роботизации. Обычно эти компании ориентированы на работу с требовательным конечным потребителем, на экспорт: чтобы конкурировать на международных рынках, необходимо быть технологически модернизированным, поясняет он. С другой стороны, в стране много малых фермерских хозяйств, которые пока не могут себе позволить масштабное применение цифровых технологий.

При этом внедрение цифровых технологий актуально для любых хозяйств независимо от масштаба бизнеса, подчеркивает Колосков, поскольку использование систем AgTech позволяет сократить количество вносимых удобрений и средств защиты растений на 15-40% без потери эффективности, а также сократить потребление электроэнергии и воды на 10-25%. При этом технологии точного земледелия позволяют одновременно увеличить урожайность на 5-40% в зависимости от изначальных условий и агрокультур, сравнивает он.

Искусственный интеллект в помощь бизнесу

Вопрос цифровизации и искусственного интеллекта я рассматриваю сугубо в прикладном порядке — в направлении операционной скорости обработки данных. Чтобы понять, какое будущее у ИИ в нашей отрасли, необходимо определиться, какие данные мы должны обрабатывать и что с ними на выходе делать. Ведь нужно будет принимать те или иные решения, а не просто накапливать цифровой пласт информации. При этом важно понимать глубину декомпозиции анализа данных, и самое главное — это выработка критериев оценки процесса, их важности, а это может делать только человек. ИИ не способен учитывать и планировать факторы, которых нет, но которые могут появиться в результате экономических, политических, природных, техногенных, финансовых изменений. Создать алгоритм обработки данных и анализировать миллионы операций, помогая лицу, принимающему решения, — вот в этом и заключается основная прикладная задача ИИ. А также в поиске оптимального управленческого решения для человека с помощью алгоритма обработки данных в условиях неопределенности, с постоянным контролем и вводом новых возможных факторов влияния на бизнес-процессы.

Что популярно у аграриев

На рынке есть готовые SaaS-решения, их использование чаще всего подразумевает формат подписки. Если же компания решает пойти по пути разработки собственного продукта, то нужно учитывать, что, кроме высокой стоимости разработки, ей нужно будет регулярно нести дополнительные расходы: IT-поддержка, хранение данных и т. д., рассказывает Крейтор.

Косогор называет несколько наиболее популярных в АПК направлений цифровизации: точное сельское хозяйство (навигационные и геоинформационные системы, контроль техники, дифференцированное внесение удобрений и т. д.), использование беспилотных летательных аппаратов, AIoT-платформы/приложения (контроль данных, поступающих с датчиков, техники и других устройств). В целом цифровизация аграрного сектора нивелирует его недостатки, связанные с потерями урожая при выращивании, сборе и хранении, позволяет оперативно проводить мониторинг посевов, обновлять карты полей для налаживания систем навигации, уменьшать хищения, а также оперативно продавать продукцию или оформить меры господдержки, перечисляет Косогор.

Чулок говорит, что успешные примеры использования цифровизации есть во всех подсекторах АПК — это и точное земледелие, и роботизированные фермы и теплицы, технологии блокчейна, обеспечивающие полную транспарентность продукции АПК, сенсоры, включая нано- и биосенсоры, интегрированные с интернетом вещей (IoT) и позволяющие осуществлять опережающий мониторинг заболеваний растений и животных, интеллектуальный анализ больших данных, в т. ч. пространственных.

Александр Чулок, директор центра научно-технологического прогнозирования ИСИЭЗ НИУ ВШЭ

Опыт бизнеса в растениеводстве

С 2020-го года внедрено приложение собственной разработки EkoCrop для растениеводов. С его помощью агрономы быстро получают объективные данные о каждом конкретном поле, о проведенных на нем работах, затраченных ресурсах и результатах. Менеджмент и аналитики с помощью приложения получают подробные отчеты, делится Берюляев. В планах компании развитие имеющихся решений, в частности — интеграция приложений EkoCrop и EkoFeed с 1С, переход EkoCrop на единое хранилище данных с корпоративной ГИС, разработка веб-версии EkoCrop и версии для Android.

Новые технологии не только у агрохолдингов

Что тормозит развитие

Российский АПК идет в сторону цифровой трансформации, хотя ряд факторов определяет отставание в этом вопросе от других стран. Так, например, отсутствие инфраструктуры, позволяющей полноценно использовать цифровые решения в полях, и медленное формирование баз данных и знаний являются барьерами для внедрения IT-технологий, отмечает Сергей Косогор. Также среди причин недостаточно активной цифровизации отрасли он называет медленное обновление законодательства (например, в части использования беспилотников), отсутствие унификации стандартов и регламентов передачи данных, отсутствие полигонов и опытно-производственных хозяйств для апробации новых технологий, отсутствие мер господдержки для перехода на цифровые технологии, дефицит квалифицированных кадров.

Основная проблема — это невысокий уровень готовности пробовать инновации, уверен Сергей Колосков. Представители агробизнеса в большинстве случаев вынуждены думать о проблемах сегодняшнего дня: не хватает квалифицированных сотрудников, сложно контролировать качество выполнения технологии и получать необходимые страховые и финансовые продукты. Вместе с тем важно понимать, что эти проблемы без цифровых продуктов не решить, подчеркивает он. Кроме того, выбирая, купить новый трактор или цифровую технологию, фермер выберет трактор, считает он. Впрочем, на некоторые виды техники производители еще на заводе устанавливают цифровые системы помощи и точного земледелия, а значит, в перспективе так или иначе все перейдут к цифровому сельскому хозяйству, рассуждает Колосков.

Если некоторые из сотрудников и не сразу осваивают нововведения, довольно быстро они понимают, что цифровизация делает их работу комфортнее и повышает КПД, вторит ему Константин Капитуров. А вот по словам Владислава Беляева, к сожалению, зачастую сотрудники не готовы переходить на инновационные решения: мешает и недостаток IT-навыков, и страх перед переменами.

Роботы заменят человека?

В ближайшей перспективе роботы полностью не заменят человека, но серьезно облегчат физически тяжелый и монотонный труд, сократят потребность в большом количестве однотипных специалистов, считает Айдар Галяутдинов. При этом, например, в животноводстве есть ряд специализаций, предполагающих прямое взаимодействие с поголовьем. Эти функции еще неподвластны искусственному интеллекту, по крайней мере, пока животные такие, какие они есть сейчас, добавляет он. Константин Капитуров тоже говорит, что в животноводстве ИИ однозначно не заменит человека полностью.

Читайте также: