Цифровая трансформация, 14 дек 2021, 13:20

Поле чудес: как цифровизация повышает урожайность сельского хозяйства РФ

Читать в полной версии
Компания «Агроноут» предлагает технологичные решения для сельского хозяйства. Благодаря ее индексу почвенного плодородия, аграрии не только выявляют участки с низкой урожайностью, но и увеличивают рентабельность

Об эксперте: Алексей Трубников, генеральный директор ООО «Агроноут», резидент Фонда «Сколково».

Задача

Помочь аграриям повысить урожайность сельскохозяйственных угодий с помощью искусственного интеллекта.

Предпосылки и мотивация

С 2007 года фермеры стали применять цифровые решения для оценки неоднородности сельхозугодий и точечного внесения удобрений. Команду «Агроноут» заинтересовало это направление и связанные с ним новые технологии. Эксперты перепробовали десятки способов определения неоднородности полей: георадары, сканеры, беспилотники, подробный осмотр химических показателей почвы и не только. Исследование показало, что на полях есть участки, на которых культуры развиваются слабо по объективным причинам: склоны со смытыми почвами, песок, камни и т.д. Находились и участки с потенциалом плодородия, который можно было развить.

Благодаря наблюдениям эксперты поняли, что выравнивать урожайность по всему полю неэффективно, поскольку она зависит не только от удобрений, но и от прочих факторов.

Решение

Специалисты «Агроноут» решили разработать индекс почвенного плодородия — ASF-индекс (Agronote soil fertility index). С его помощью на основе данных можно было бы выделить в границах одного поля места со стабильно высокой и низкой урожайностью, т.е. создать карты внутриполевого разнообразия плодородия.

Реализация

Осенью 2016 года «Агроноут» подал заявку в Фонд содействия инновациям на грант в размере ₽2 млн для разработки ASF-индекса.

Сама технология основывается на ретроспективном анализе данных спутниковой съемки с 1984 года — такой временной отрезок выбран неслучайно.

«Можно с большой долей вероятности предположить, что на участке земли, где в последние 36 лет сельхозкультуры росли хорошо, в будущем они тоже будут хорошо расти. А на тех участках, где за 36 лет ни разу не было хорошего урожая, для этого, очевидно, есть веские причины, с которыми следует разбираться, если агрохозяйство хочет повышать урожайность», — объяснил Трубников.

После анализа данных спутниковой съемки поднимаются архивные материалы по геологии и рельефу исследуемых полей. Почвоведы-картографы изучают проблемную территорию с низкой урожайностью и сравнивают ее с участком с высокой урожайностью. Финальным этапом становится полевое обследование. Специалисты отбирают пробы почв и выкапывают разрезы, чтобы убедиться в предварительных выводах.

В итоге получается карта-задание. На нее ориентируются аграрии при работе: в низкоэффективных местах техника вносит меньший объем удобрений, а в зонах повышенного — больший. При этом ASF-индекс не увеличивает расходы на химизацию, так как удобрения перераспределяются между участками.

Фото: Агроноут

Сложности внедрения

Одновременно с разработкой ASF-индекса «Агроноут» стал предлагать технологию агрохолдингам и крестьянско-фермерским хозяйствам. В этот момент компания столкнулась с проблемой: почвоведам-картографам приходилось проводить анализ по снимкам вручную — это около 2 000 снимков по одному полю.

«Мы обработали снимки трех небольших хозяйств, где-то по 5 000 га, и остановились, так как больше не могли. Дело в том, что отобрать спутниковые снимки простыми алгоритмами по каким-то критериям очень сложно. На полях бывают полосы, просевы, дымка, туман или тень от облака. Очень много всяких факторов, которые делают снимок непригодным для расчета ASF-индекса. Попытки фильтровать по конкретным параметрам, например, отсекать снимки с облачностью больше 70%, приводит к тому, что отбраковывается много качественных кадров», — рассказывает Трубников.

В случае с ручным анализом скорость работы напрямую зависела от специалистов, которые должны были лично просмотреть каждую фотографию. Чтобы повысить эффективность индекса, в 2019 году компания разработала программу SATELLIТER™. Ее задачами стали подбор спутниковых снимков и генерация карт-заданий на их основе. Внедрение программы позволило увеличить объем обрабатываемых площадей для подготовки зон плодородия ASF-индекса в шесть раз: с 50 тыс. до 300 тыс. га в год. Также на 30% повысилась точность получаемых данных по сравнению с ручной обработкой снимков.

Результат

По словам представителей «Агроноут», ASF-индекс позволяет поднять не только общий объем урожая, но и качество сельхозпродукции в результате оптимального распределения удобрений, что повышает рентабельность агропредприятия. В частности, в 2021 году использование ASF-индекса в точном земледелии принесло клиентам дополнительную прибыль до ₽7 402 за га.

AgroTech: как фермеров пытаются подружить с искусственным интеллектом
Индустрия 4.0 

В настоящее время «Агроноут» работает с агрохолдингами и крестьянско-фермерскими хозяйствами площадью более 5 тыс. га в разных почвенно-климатических зонах. Суммарная площадь земель, где применяется сегодня ASF-индекс, составляет около 1,5 млн га. Такая география позволяет понять, как работает технология на других территориях.

Также ASF-индекс позволяет выявить проблемные участки и найти способы их совершенствования. Как отмечают разработчики, это важно при текущей стоимости земли, которая в Черноземье уже превысила отметку в ₽100 тыс. за га.

Планы и перспективы

Компания будет и дальше развивать технологии поддержки сельхозпроизводителей. В течение 3–5 лет «Агроноут» планирует:

  • внедрить цифровые решения в крупные и средние предприятия агропромышленного комплекса (АПК);
  • интегрировать ИТ-продукты для внесения удобрений, семян и пестицидов в оборудование и цифровые решения сторонних разработчиков;
  • сделать картографический анализ полей, оценку почвенной деградации, рейтинг урожайности полей;
  • разработать планы восстановления проблемных участков земли.

Эти направления актуальны не только для России и стран ЕврАзЭС, но и для дальнего зарубежья: Африки, Центральной и Восточной Европы, Латинской Америки, Австралии и Новой Зеландии.

Цифровая трансформация Россия Внедрение инноваций Кейсы компаний FoodTech
Главное