Какие дроны будут пасти овец и как компьютеры определяют спелость фруктов

Обзор стриминговых технологий, применяемых в сельском хозяйстве.

К 2050 году население Земли достигнет 9,6 млрд человек. Чтобы еды было в достатке, производство продуктов должно вырасти на 70%. Один из ключевых трендов, который поможет в этом, — стриминговое сельское хозяйство.

Стриминговые сервисы передают данные от одного устройства другому бесперебойно в потоковом режиме. Данные могут быть разные: от отчётов о пользовательских действиях до телеметрии и показателей IoT-устройств.

В сельском хозяйстве для стриминга используют дроны, IoT и компьютерное зрение, а обрабатывать данные помогает искусственный интеллект.

Объём рынка IoT-устройств составляет примерно 5,6 млрд долларов. И, по экспертным оценкам, внедрение IoT-решений позволит сельскохозяйственной отрасли расти на 20% быстрее.

Согласно данным PwC, IoT может снизить гибель скота на 15%. Например, датчики на ошейниках и ушных бирках способны следить за биоритмами (даже спрогнозировать начало репродуктивного цикла) и активностью каждого животного (чтобы в нужный момент сменить корм). С их помощью можно выявить больных особей на ранней стадии заражения, чтобы быстро отделить их от стада и таким образом предотвратить эпидемию.

Благодаря интернету вещей биологи изучают геномы и микроклимат, тем самым улучшая качество получаемого урожая. IoT используют для регулирования температуры, влажности, освещения и состояния почвы в теплицах. К примеру, роботы нидерландской компании HortiKey сканируют кусты томатов, измеряя размер, спелость и количество плодов.

Как увеличить производство яиц, используя датчики температуры и воздуха, основатель и гендиректор российского стартапа GoodWAN Денис Муравьёв рассказал в выпуске подкаста «Цифровая грядка». Предприниматель обстоятельно объясняет, в каких хозяйствах выгодно использовать IoT-гаджеты, где их покупать и за сколько — чтобы не переплатить. Послушать выпуск можно тут.

Их используют для картирования и обследования сельскохозяйственных культур. Например, беспилотники с инфракрасными камерами ищут по снимкам больные растения. Последние отражают меньше инфракрасного излучения и на спектре выглядят как участки зелёного цвета. Благодаря этому фермеры могут использовать меньше пестицидов, то есть применять их точечно — лишь на поражённых растениях.

Анализ изображений со спутников и дронов позволяет прогнозировать нападение вредителей, выявлять закономерности в их активности. ИИ анализирует признаки нападения насекомых, обучившись на изображениях прошлых нападений. Такую систему используют, например, в Индии, чтобы защитить хлопковые поля. Она классифицирует и подсчитывает вредителей на фотографиях ловушек для насекомых. А в некоторых странах Азии похожим способом анализируют пальмовые сады.

Ещё беспилотники создают карты полей, наблюдают за всходами, орошают плантации. К примеру, швейцарские дроны Sense Fly, которые используют мультиспектральный анализ для оценки здоровья культур, позволили французским фермерам повысить урожайность на 10%. А сельскохозяйственный дрон eBee позволил команде Тимирязевского государственного аграрного университета снизить использование азотных удобрений на 20%.

Беспилотники ищут и считают больных или раненых животных, находят отбившихся от стада и даже помогают пасти скот. Яркий пример — технология автономных дронов, разработанная израильской компанией BeFree Agro.

Там же, в Израиле, стартап Tevel разрабатывает беспилотники для сбора фруктов. Робот срывает спелые фрукты, сортирует и складывает их в коробки, которые уже готовы к продаже. Такие беспилотники — собиратели фруктов могут работать и днём, и ночью.

Программа под названием JOE (своё имя она получила в честь пастушьей собаки) перемещает до 1000 голов крупного рогатого скота на больших территориях с помощью всего одного беспилотника. JOE определяет препятствия на местности и местоположение животных, затем выстраивая оптимальный для них маршрут. Использование дронов сокращает до половины всех расходов компании.

К 2026 году расходы на ИИ в сельском хозяйстве вырастут в четыре раза, в основном за счёт внедрения технологий компьютерного зрения (способность камер не только записывать видеоряд, но и определять, что именно на нём происходит).

Например, алгоритм приложения VineView знаком с изображениями «хороших» гроздьев винограда и «плохих» и детектирует их: последние он определяет по скрученным листьям, желтизне и красным пятнам. А камеры бразильской компании Cromai «сортируют» фрукты на изображениях по цвету, форме и текстуре, определяя их спелость. Это сокращает потери при перевозке: если собрать урожай чуть раньше, фрукты доедут до магазина более свежими, среди них будет меньше перезревших плодов.

Компьютерный «глаз» способен измерять фактическое количество воды в растении, чтобы фермер мог поливать его только при необходимости, сэкономил сам и в итоге снизил стоимость конечного продукта для покупателя. Умные камеры также находят сорняки и вредных насекомых, благодаря чему фермеры могут использовать химикаты локально, сократив их количество, по некоторым оценкам, до 90%. Если почва нуждается в удобрении, система даст знать и даже порекомендует фермеру подходящее.

ИИ умеет определять вес кур, свиней и рогатого скота, чтобы предсказать лучшее время забоя и сократить затраты на откорм. А ещё компьютерное зрение оценивает характеристики доения и помогает увеличить надои.

Так, в Татарстане компания Smart Farm разрабатывает систему управления молочной фермой на основе компьютерного зрения. С помощью искусственного интеллекта она круглосуточно анализирует поведение животных по записям с камер — определяет оптимальное время для корма, признаки половой охоты и предупреждает об отклонениях работников фермы.

Недолог час, когда ИИ сможет контролировать полный цикл производства, а человеку не нужно будет даже контролировать его работу — только получать результаты. В 2022 году организаторы международного конкурса Autonomous Greenhouse Challenge дали участникам непростое задание — придумать систему, при которой машина сможет самостоятельно вырастить салат (управлять поливом, подкармливать растения, регулировать газовый состав в теплице и т. д.) Всё должно быть настолько автономным, чтобы человеку не требовалось даже нажимать на кнопки.

В финале конкурса российская команда Россельхозбанка и МФТИ заняла второе место — им удалось вырастить «автономный салат» в теплице и получить урожай с самой высокой выручкой. Об этом эксперименте сами участники живо рассказывали в подкасте RSHB DIGITAL.