Кернел внедрил искусственный интеллект для оценки посевов по снимкам с дрона
Компания «Кернел» применяет искусственный интеллект для оценки плотности и качества посева по снимкам с дрона.
Об этом сообщает пресс-служба компании.
Согласно сообщению, сейчас эти алгоритмы уже протестированы и в этом году будут полномасштабно внедрены в агропроизводство компании.
ІТ-директор компании «Кернел» Андрей Пеший отметил, что использование современных технологий в агробизнесе компании, в том числе — автоматизации и комплексного внедрения систем точного земледелия, позволяет «Кернелу» накапливать данные по полях и техоперациях, выполненных на них и тому подобное.
«Спутниковые снимки, фото с беспилотников, данные наземных обследований обрабатываются и хранятся в IТ-инфраструктуре компании. Их применение предполагает разработку алгоритмов, которые могли бы осуществлять глубокий, объективный и одновременно оперативный анализ поля для решения сложных задач агропроизводства и принятия эффективных бизнес-решений», — прокомментировал он.
По словам эксперта, планомерным шагом «Кернела» в этом направлении стало создание отдела Data Science в Департаменте информационных технологий.
Согласно сообщению, за год Data Science-специалисты пополнили информационную экосистему «Кернел» #DigitalAgriBusiness новыми программными продуктами. Прежде всего интегрировали в собственное приложение агронома модель подсчета зерен в початке кукурузы и семян в корзине подсолнечника. Кроме этого, создали модель для оценки качества посева за фото с беспилотников.
Заместитель директора Агробизнеса по инновационному и цифровому развитию «Кернел» Евгений Сапиженко акцентирует внимание на том, что для разработки алгоритмов использовались методики Machine Learning, Deep Neural Network и др.
«В направлении обработки снимков с дронов с помощью нейронных сетей мы научились считать культурные растения на фото для оценки густоты стояния культур. Кроме этого, разработана модель выделяет двойники, пропуски, оценивает полевую всхожесть, а также выдает интегральный показатель качества посева с учетом равномерности», — рассказал он.
Евгений Сапиженко также отметил, что компания готова делиться этим инструментом с партнерами проекта Open Agribusiness и распространять его на коммерческой основе.
Автор решения, Data Scientist Даниил Поляков, отметил, что агроном по мониторингу делает несколько фото поля с разных точек. Кроме того, чтобы убедиться в том, что в наличии есть снимки с разных зон поля, можно отображать координаты мест, где они были сделаны. Каждую фотографию модель обрабатывает отдельно.
«Нейронная сеть строит тепловую карту снимка, которая отражает вероятность нахождения растения, следующий алгоритм отсекает сорняки и растения в междурядье, после чего мы оцениваем количество всходов на гектар, среднее расстояние между растениями, процент двойников, процент пропусков, качество посева. Финальные значения для поля избираются как медианное значение всех фото сделанных с этого поля. Результаты сохраняются в параметрах поля, крепятся к паспорту поля», — акцентировал эксперт.
По его словам, после мониторинга компания получает фундамент для оценки биологической урожайности, а также автоматизированную оценку качества и посева.
Согласно сообщению, испытания в кластерах компании показали хороший результат — среднее значение погрешности зафиксировано на уровне 2%. Таким образом, тестовый режим модели уже значительно точнее по сравнению с ручными полевыми подсчетами по существующим методикам.
Кроме того, в этом сезоне «Кернел» планирует использовать технологию на производстве в полном объеме.
Напомним, что основатель и операционный директор компании AgroOnline Виктор Боровик отметил, что аналитика системы электронного документооборота позволит планировать производство, создавать финансовые и логистические отчеты, вести учет земельного банка. Оптимизация рабочего процесса, в первую очередь, происходит благодаря широкому накоплению данных, которые в дальнейшем позволяют строить разнообразные аналитические отчеты.
