Лазер для шампиньонов и дрон вместо пастуха

Эксперты, аграрии и IT-разработчики обсудили, где ИИ уже приносит миллионы, а где они – это пока лишь пустая трата денег. Главный вывод: технологии готовы, но главный барьер — человеческий фактор. Эксперты не рассуждают о далёком будущем, а говорят о конкретных кейсах, деньгах и проблемах, которые искусственный интеллект решает здесь и сейчас. Или не решает.

Личные врачи для растений 

Соучредитель и член правления НАСС (Национальной ассоциации
сертифицированных советников) Наталья Чернышёва сделала полный обзор в виде целой экскурсии по цифровому агрохозяйству. Оказалось, что ИИ в растениеводстве уже настолько привычен, что фермеры часто даже не замечают его присутствие.

«Фермер покупает не «искусственный интеллект», а конкретное решение: рекомендацию, где опрыскать от вредителя или анализ потенциала урожая по спутниковым снимкам. Ему главное, чтобы это работало», — пояснила Чернышёва.

По теплицам уже ездят «тележечки» с камерами, которые делают видео 360°. ИИ анализирует записи и выдает сигнал: «Пятый огурец в правом ряду начинает болеть, проверьте!». Это позволяет выявлять проблемы на ранних стадиях, сохранив урожай. Такой же подход работает в садоводстве и даже при выращивании шампиньонов.

Эксперт привела пример из практики: «Шампиньон диаметром 5 см ценится выше, чем гриб в 3 см. Раньше сборщики ходили вдоль грядок и на глаз определяли, что пора срезать. Сейчас над грядками ездит камера, которая сканирует шляпки, а "умная" система распределяет задания — какой ряд обрабатывать и грибы какого размера собирать. Следующий этап автоматизации — внедрение лазера, который будет помечать подошедшие шампиньоны красной точкой. Рабочему останется лишь следовать по ряду и срезать "отмеченные" цели».

Слышать кашель коровы

В животноводстве внедрение идет медленнее, но и здесь есть прорывные проекты. ИИ помогает составлять оптимальные кормовые рационы, анализируя данные надоев, стоимости и наличия компонентов. Другое направление — неинвазивный контроль привесов с помощью компьютерного зрения. Правда, здесь есть сложность: как идентифицировать каждое животное? Для свиней, например, пробуют технологию распознавания по рисунку пятачка.

Третье направление — предиктивная ветеринария. Алгоритмы анализируют данные с датчиков (активность, температура), видеопотоки (ненормальное поведение) и даже аудиозвук. «Если у животного нетипичное дыхание или кашель, система подает сигнал», — пояснила Чернышёва.

«Дайте потрогать»

Откровенно говорили и неудачных проектах, которые, по словам экспертов, бывают двух типов.

Первый: проект технически работает, но экономически не окупается. «Ожидали, что уберем 70% людей, а смогли только 50%. Эффект есть, но он сильно меньше ожидаемого. Оправданы ли были вложения? Вопрос», — констатировала Чернышёва.

Второй: провал из-за плохих данных. «Не получается набрать датасеты нужного объёма и качества. Точность работы оказывается ниже порога полезности».

Чернышёва, привела пример: после внедрения системы учёта топлива на технике, две трети механизаторов на следующий день просто не вышли на работу, уйдя к соседям. «Уровень непрозрачности всех устраивал», — резюмировала Чернышёва. Бороться с этим сложнее, чем с любым техническим багом.

Стартапы в деле

Практическим подтверждением экспертного мнения стали  проекты стартапов:

• ASTeam: «Умный» желудочный датчик для КРС. Алексей Елдашов представил систему для выявления охоты и мониторинга здоровья коров. Датчик вводится в рубец животного и собирает данные, которые анализирует ИИ. Решение позволяет повысить процент стельности и снизить падёж. Проект ищет 12,5 млн рублей на доукомплектацию команды и развитие алгоритмов.
• Aгродронконтроль: Дрон вместо пастуха. Команда предложила систему автоматического управления стадом с помощью дронов и специальных ошейников. Дрон задает направление движения коровам с помощью безболезненных электрических импульсов, постепенно обучая их реагировать на звуковые команды. Технология обещает снизить трудозатраты и отказаться от изгородей, но у инвесторов возникли вопросы о реальной потребности рынка и коммерческой модели.
• Smartfattoria. Универсальный измеритель эффективности. Артем Симаковский рассказал о платформе, которая с помощью IoT-датчиков и ИИ измеряет бизнес-процессы в реальном времени — от работы сотрудников до использования техники. Пока проект фокусируется на нефтегазовой отрасли, но заявляет о потенциальной применимости в АПК.
• Сканер штрих-кодов. Мобильное приложение для людей с целиакией. Ильгиз Гизамов представил мобильное решение, которое по штрих-коду определяет наличие глютена в продуктах. Проблема актуальна для 1% населения, но инвесторы посоветовали авторам пересмотреть бизнес-модель и рассмотреть партнерство с ритейлерами вместо создания отдельного платного приложения.

Агротех — это уже не область экспериментов, а рынок с конкретными продуктами и запросами. Искусственный интеллект превратился в рабочий инструмент. Но его внедрение упирается не в мощность алгоритмов, а в готовность людей меняться. Технология должна давать простой ответ на вопрос: «Что это мне даст?». Когда этот ответ звучит убедительно, даже самый консервативный аграрий будет готов запустить дрон в небо.

Марина Сизова