Зачем предсказывать урожай или как нейросеть научилась считать яблоки

Рассказываем, что такое точное садоводство, зачем фотографировать яблоки с робоплатформы и считать их с помощью облачных технологий, а также как учёные и практики объединились для спасения урожая в российских садах.

Что такое точное садоводство

По данным из статистики Росстата и Плодоовощного союза, разрыв между спросом и предложением в производстве яблок в России составляет более 2,5 миллионов тонн в год. При этом по российские хозяйства могут терять до 40% плодов. Одна из причин – отсутствие методов точной оценки величины урожая. Сейчас при планировании урожая агрономы вынуждены полагаться только на собственный опыт и крайне ограниченный набор данных. Отрасль давно нуждается в автоматизированных системах, которые дадут ранний прогноз урожая с точностью более 80% и будут постоянно его актуализировать. Кроме этого, хозяйствам нужен единый подход к планированию ресурсов и организация сквозного процесса производства плодов. В разных странах мира эти задачи помогает решить «точное садоводство».

Точное садоводство – это комплексная высокотехнологичная система управления производством плодов, основанная на технологиях:

• глобального геопозиционирования (GNSS);

• геоинформационных систем (GIS);

• дистанционного мониторинга состояния насаждений и урожая;

• внесения удобрений и средств защиты растений сообразно реальным потребностям растений;

• IT-систем поддержки принятия решений в садоводстве.

По сути, это комплекс технологий, позволяющий повысить урожайность и качество плодов, точнее планировать агротехнические операции, уменьшить негативное воздействие химических удобрений и пестицидов на окружающую среду. Всё это ведёт к оптимизации затрат, а, значит, и повышению эффективности агробизнеса.

Источник: http://www.intelligentfruitvision.com/

IT для садоводства

Современные IT-системы для садоводства служат для управления всем производственным процессом. Tак называемые ERP-системы (системы управления ресурсами предприятия) позволяют отслеживать логистику и экономику производства плодов. Их недостаток в том, что информация о состоянии насаждений и урожая в реальном времени в них не поступает, эти данные вносятся вручную.

Для мониторинга растительности, в том числе культурных насаждений, применяются системы дистанционного зондирования из космоса, с самолетов, беспилотных летательных аппаратов. Этот подход хорошо показывает себя для полевых культур, но в саду нужно нечто большее, чем просто суммарная площадь листьев или их масса. Важно распознать и оценить буквально каждый плод, но съёмка с воздуха и тем более из космоса даёт недостаточно данных из-за низкого разрешения картинки.

Источник: http://robotrends.ru/pub/1816/bespilotniki-nad-lozoy-vysokie-tehnologii-prihodyat-v-vinodelie

Решения для мониторинга урожая на мировом рынке представляют несколько компаний, например, британская Intelligent Fruit Vision, израильская FruitSpec или японская NEC. Все компании тесно сотрудничают с крупными хозяйствами и учеными в своих регионах и учитывают именно их специфику. В России подобные идеи начали формироваться несколько лет назад, а в 2020 году появился первый прототип распределенной системы мониторинга и прогнозирования.

рассказывает Алексей Соловченко

Профессор кафедры биоинженерии МГУ, зав. лабораторией технологий точного садоводства ФНЦ им. И. В. Мичурина

На биофаке мы занимаемся фундаментальными вопросами, дистанционный мониторинг растений – один из них. В России пока не существует систем для прогнозирования урожайности, которые бы учитывали наши погодные условия и сортовые особенности плодовых культур. В прошлом году мы вместе с консорциумом в составе ФНЦ имени Мичурина, Тамбовского государственного университета и агроинженерного центра ВИМ запустили работу над полноценной системой мониторинга. Расскажу, как она устроена.

Ключевые параметры для мониторинга

Наша система позволит производителю определить три наиболее важных для него параметра:

• Объем урожая в расчете на гектар;

• Качество яблок – их размер и зрелость;

• Однородность качества плодов внутри одной партии.

Кроме того, важно предсказать темпы созревания. Эти параметры позволяют планировать численность сезонных рабочих, объемы хранилищ в распределительно-логистических центрах и поставок в торговые сети, а также снизить затраты на сортировку яблок.

Для дистанционного мониторинга и прогнозирования нужно собирать, хранить и обрабатывать большое количество данных из разнообразных источников.

Сбор данных

В первую очередь нужны данные дистанционного зондирования – снимки растений, сделанные на разных расстояниях от них. Для сбора данных с близкого расстояния мы создали собственную робоплатформу, а также оснастим камерами имеющуюся технику, которая несколько раз в год объезжает все деревья в саду. Тогда мы сможем получать фото в ходе всего вегетационного цикла. Такие снимки отражают ключевые фазы развития растений: распускание листьев, цветение, завязывание и вызревание плодов — с учётом влияния внешних факторов. После того, как трактор или платформа закончили объезд своей части сада, мы снимаем с них камеру, подключаем её к ноутбуку и загружаем полученные фото в облачное хранилище. Туда же загружаются данные спутниковых снимков, если они есть.

Наша робоплатформа 

Со снимками с беспилотников иногда возникают технические сложности. Например, многие хозяйства используют защитные сетки, что затрудняет съемку с БПЛА. Другая ситуация с питомниками: там противоградовая сетка не используется, так что можно получать полезные снимки и с беспилотников.

Кроме снимков, нам нужны данные ГИС и геокоординаты для привязки полученных снимков к карте. Они используются для дифференциального сбора урожая, удобрения деревьев и применения защитных препаратов. Эти операции зависят от состояния растений, рельефа сада, характеристик почвы. Сейчас мы делаем привязку GPS-данных в основном вручную, но планируем использовать навигационные системы, которыми оборудованы тракторы.

Обработка данных в облаке

Загрузив все эти данные в облако мы занимаемся их обработкой с помощью нейросетей и ML-алгоритмов, например находим яблоки на деревьях, можем тестировать на них различные модели в Yandex DataSphere, в конечном итоге получая некую прогностическую модель.

Телеметрия с помощью IoT

Следующий набор данных – телеметрия IoT-устройств в почве и метеодатчиков. В этом году мы начнем их размещение в садах. Полученную телеметрию планируем обрабатывать с помощью IoT Core и Serverless Functions. Подробные сведения о флуктуациях погоды делают прогнозы урожая более точными. В перспективе разработка web-приложения, с помощью которого специалисты заказчика, хорошо знающие предметную область, смогут вносить дополнительные сведения, уточняющие прогнозы.

Анализ данных

Обработав и проанализировав все доступные данные, мы предоставим пользователю результат в виде аналитики и отчетов в веб-дашборде. Сейчас для этого нам хватает возможностей сервиса визуализации данных Yandex DataLens, с его помощью мы можем показать пользователю, например, метеоданные в виде графиков и таблиц, а также расположение деревьев на карте с оценками урожая.

За прошлый год нам удалось протестировать весь пайплайн на площадках в ботаническом саду МГУ и в экспериментальном саду ФНЦ имени Мичурина, от сбора данных с помощью робоплатформы, их хранения и обработки в Yandex.Cloud, до аналитики и формирования отчётов в DataLens. Также удалось собрать часть данных в питомнике ООО «Сады Ставрополья», и подтвердить, что система будет полезна не только хозяйствам, производящим плоды, но и питомникам, выращивающим посадочный материал. Мы убедились, что распределенная система мониторинга насаждений и урожая работоспособна.

Планы

Наши тактические задачи на ближайшие сезоны – территориальное масштабирование и отлаживание работы. Мы планируем внедрить системы в ключевых точках российской «плодово-ягодной» географии, включая Ставропольский край, Курскую, Липецкую область. Нам нужно накапливать и обрабатывать не просто большое количество информации, а согласованные данные, где каждой рассчитанной цифре соответствует результат полевого учёта. Для этого мы работаем над улучшением методов машинного обучения и организации ручной работы, такой как экспертная оценка, разметка изображений для нейросетей, проверка данных. Не менее важно заинтересовать самих участников рынка, так, чтобы они были готовы поделиться своими данными для создания общего регионального или федерального датасета.

Стратегическая задача – накопление комплексных данных от картинки до экспертной оценки, для каждой точки сада и за весь период вегетации. Собрав данные за несколько сезонов, мы сможем делать точные прогнозы. Они позволят хозяйствам и питомникам получать более выгодные условия по контрактам с торговыми сетями, кредитам и субсидиям, минимизировать потери плодов и упущенную прибыль.

Подписывайтесь на блог Yandex.Cloud, чтобы узнавать еще больше новостей и историй об IT и бизнесе.

Другие истории, которые активно читают наши подписчики:

0
30 комментариев
Написать комментарий...
Марина Кошелева

Здорово, что ученые в университетах занимаются такими проектами

Ответить
Развернуть ветку
Artem Petrenkov

Марина Кошелева лайкает комментарий Марины Кошелевой?

Ответить
Развернуть ветку

Комментарий удален модератором

Развернуть ветку
Artem Petrenkov

Сам свою статью не похвалишь, никто не похвалит?

Ответить
Развернуть ветку
Artem Petrenkov

@Марина Кошелева продолжаем минусовать? Не стыдно?

Ответить
Развернуть ветку
Агафья

А что им ещё делать? 

Ответить
Развернуть ветку
В А

Дуракаваляние

Ответить
Развернуть ветку
boj Ko

Проблема СХ сектора в руководителях этого самого СХ сектора, попробуйте им продвинуть новую тему особенно технологичную, от дронов с насекомыми до термозонировнаия через тепловизоры и умные системы зонтов  трехфакторной функцией.  Пока Сельхозник в ужратом от алкоголя виде на вечеринке конкурентов или  на вечеринке хим-концерна, в пьяном угаре не услышит коллективный визг коллег конкурентов о том что  "  - Сашка! - а Ты слыхал ! У Ваньки  "62000 ГА" помнишь его ?! - ТАК вот    какая то  Инновационная Ерунда помогла в заморозки превысить фьючерсный показатель на 70% по его позициям  и китайцы прилетели ему зад целовать  за новым контрактом !"  
До этих самых пор их не в чем не убедить не выделит ни копейки ! 
  И добровольно они нечего не купят...  Проверено ChemChina  и  Доказано Monsanta   )))

Ответить
Развернуть ветку
Artem Petrenkov

Даже не технологичную, а просто инновационную, как нулевая обработка почвы, которая сама по себе не требует компьютеров, блокчейнов и т.п. (правда нужны специальные сеялки), понятна даже ребёнку, но абсолютно непривычна, потому что "диды так не делали", а потому вызывает полное недоверие и скептицизм.

Ответить
Развернуть ветку
Богдан Кондауров

Зря вы так. Аграрий не меняет одна на другое из-за того, что:
а) Производственный цикл от посадки до сбора и реализации урожая от 4 до 6 месяцев. То есть в это время ты занимаешься только производством и инвестируешь деньги в будущий урожай. После сбора урожая ты получаешь деньги для закупки на следующий сезон. Новые технологии вносят изменение отлаженного технологического процесса, а с учетом того, что почвы различны от фермера к фермеру, то чаще всего технологические решения будут индивидуальными, а так же не показывают эффект здесь и сейчас.
б)  Современные аграрии, чаще всего, понимаю эффективность цифровых решений, и ищут решения для автоматизации своего производства и повышения эффективности бизнеса, но не находят решение подходящее для него потому все очень индивидуально, и нужно кастомные решение. 
в) Если внедрять решения, то многие аграрии готовы выделить поля для проведения опытных испытаний. Если опыт покажет и докажет свою эффективность, то аграрии с удовольствием покупают любое решение.

Ответить
Развернуть ветку
boj Ko

Спасибо мне хватило нескольких  историй  с ростовскими и белгородскими аграриями, больше не планирую в этом фарсе участвовать ( там не только состав грунтов, там от микроклиматики  и искусственно созданных последствий её формирования для культур до правильных расчетов после природных аномалий и проблем с источниками воды до последствий от соседних хозяйств в виду саботажа по дезинсекции и дератизации связанных с халатностью,  а также тычкования искусственными агрессивными культурами, неправильное использование дозировок удобрений,  итд  ) 
  Пусть теперь с ними работают   представители  других компаний))) 
Зато это позволило мне досконально изучить механизм принятия решений  и помогает  совершенно в другой сфере. Очень  познавательно читать комментарии "экспертов"

Ответить
Развернуть ветку
Ilya Shapira

Да заморозки это проблема. Зачастую потом считать нечего уже.
На собственном примере знаю что в конечном счёте продать что либо фермеру можно только если ли ты меняешь один продукт на другой. А ещё лучше если меняешь 2 на один.
Например сетка и от града и от солнца...

Ответить
Развернуть ветку
Сергей Подгорный

Ты бы дружочек провел бы лето в колхозе, а потом выводы делал, изучи проблему изнутри так сказать :) 

Ответить
Развернуть ветку
Сергей Токарев

учитесь разговаривать так, чтобы зажигать сердца людей. Илон Маск же научился

Это не фермер плохой, это у кого-то переговорный скилл низкий - или заточен на другую деятельность.

Ответить
Развернуть ветку
Сергей Подгорный

Блять, чел, Илон Маск изначально был талантливым инженером, и его успех это не из-за того что он научился разговаривать, а потому что учился и трудился хорошо. Пиздеть - не мешки ворочать. 

Ответить
Развернуть ветку
Александр Кучеряев

Обратите внимание на Кабардино-балкарию там очень много яблочных садов, я бы сказал 50% всего что там выращивают люди это яблоки. Причем у них достаточно серьезных подход, и дроны летают, и камеры стоят.

Ответить
Развернуть ветку
Аккаунт удален

Комментарий недоступен

Ответить
Развернуть ветку
greg chudnoff

судя по фотке - считает хреново, половину пропускает

Ответить
Развернуть ветку
Компания Агропаk

Еще одна яблочная технология, сортировка и упаковка яблок. Робот "вручную" перекладывает яблоки в упаковку. Так процент брака значительно сокращается, чем вручную укладывать.

Ответить
Развернуть ветку
Sergey T

"зачем фотографировать яблоки с робоплатформы и считать их с помощью облачных технологий":
яндекс явно какой-то стратегический инсайд знает, готовится заранее;
видимо, скоро (после обуви, мехизделий и тп)  введут чипирование и штрихкодирование штучной плодо-овощной продукции (чтобы нал с рынков победить уж окончательно) - тут удобнее сразу на ветке лазером штрихкод и выжигать пока оно ровно висит :)

Ответить
Развернуть ветку
Михаил М

Так вот почему российские яблоки дороже зарубежных.

Ответить
Развернуть ветку
Анатолий Б.

Программа CountThings. Пользуюсь и радуюсь.

Есть и под Андроид

Ответить
Развернуть ветку
Artem Petrenkov

В тему:

Ответить
Развернуть ветку
Artem Petrenkov

@Марина Кошелева Дизлайк потому что автоматизированный сборщик яблок с системой распознавания сделали не вы и ему никакое облако для этого не нужно?

Ответить
Развернуть ветку
Boris Gerber

утром видел по дискавери как плоды кактусов на заводе сортируют по весу качеству и размеру.
не могу понять зачем мне считать плоды до того как я их собрал.
плодожорка съесть может или птица.
еще как-то был на плантации киви.
там просто плоды которые считали некондицией не снимали с дерева.
мне кажется подсчет плодов не является архиважной задачей для сельхоз производителя.

Ответить
Развернуть ветку
Artem Petrenkov

Разве что только отслеживать динамику созревания.

Ответить
Развернуть ветку
Дамир Губаев

@Яндекс а у Вас имеется какие либо курсы по Вашим продуктам для начинающих за 30+?)

Ответить
Развернуть ветку
Mikhail Petrov

Как по мне лидер был бы эффективней чем фото и данных больше будет для анализа по сути можно будет видеть как дерево развивается а не просто считать плоды

Ответить
Развернуть ветку
ViktoRus

Круто. Ещё бы из Краснодарского края везли Яблоки. Такое Д. Гниют как импортозамещение в Приморских супермаркетах. Хуже яблок я не ел. Или нам самые убогие сорта везут по цене импортных.

Ответить
Развернуть ветку
Bogdan K.

<span>

Ответить
Развернуть ветку
Artem Petrenkov
Полученную телеметрию планируем обрабатывать с помощью IoT Core и Serverless Functions.

Звучит как "данные планируем обрабатывать с помощью компьютера".

Ответить
Развернуть ветку
27 комментариев
Раскрывать всегда