Зростання цифрового сільського господарства і пов’язаних із ним технологій відкриває безліч нових можливостей для роботи з даними. Дистанційні давачі, супутники, автономна робототехніка, безпілотні системи і системи дистанційного зондування можуть збирати інформацію 24 години на добу при найрізноманітніших погодних умовах. Вони здатні контролювати стан рослин і ґрунту, температуру, вологість, регулярність поливу і забезпечувати виконання ряду інших завдань, реалізація яких до сих пір входить в обов’зок людини.

Ідея, власне, полягає в тому, щоб дозволити працівникам агро-сектору краще зрозуміти ситуацію на місцях за допомогою передових технологій, які можуть розповісти їм більше про ситуацію на фермерському господарстві, адже багато факторів поки що залишаються поза полем їх зору.

Основні напрямки розвитку технологій AI в рамках застосування в агро-комплексі

  • Дрони

Дрон – один із найбільш популярних і широко доступних розумних пристроїв, що роблять великі успіхи на агро-арені. Такі функції, як надання нових способів підвищення врожайності сільськогосподарських культур за допомогою поглибленого повсюдного аналізу, регулярного і системного оприскування врожаю і високопродуктивний моніторинг його стану – стали безцінними для багатьох фермерів. Технології безпілотних літальних апаратів активно розвиваються й обростають новими додатками, що надають більш широкий спектр опцій, необхідних для якісної і продуктивної роботи на полях.

  • Розумна робототехніка для збору врожаю

Технологічні компанії вже давно працюють над впровадженням технологій без водія в різні галузі промисловості, і сільське господарство стало одним із ключових напрямків, де подібна техніка виявилася вкрай необхідна і корисна. Розумні трактори, оснащені програмним забезпеченням із «готовими» інтелектуальними технологіями – давачами, радарами, системами GPS, – їздять по полях, обробляючи землю і збираючи врожай, не потребуючи при цьому участі водія. З подібними автономними системами роботи з врожаєм вдається обробляти набагато більше площ протягом більш тривалих проміжків часу.

  • Автоматизовані іригаційні системи

Або системи зрошення – непросте завдання при роботі з великими відкритими площами, проте, сьогодні на багатьох фермах вже досить успішно застосовуються. Основна проблема організації роботи таких систем – залежність від погодних умов при прогнозуванні необхідних для поливу ресурсів. Автоматизовані іригаційні системи використовуються для постійного підтримування необхідних умов ґрунту з метою збільшення середньої врожайності. Це не лише потребує значно меншої людської праці, а й має потенціал для зниження виробничих витрат. Крім того, системи зрошення вкрай важливі для оптимізації й обліку статистики споживання прісної води. Багато вчених вважають, що ці технології згодом матимуть глобальний вплив на процеси світового водопостачання.

  • Системи моніторингу здоров’я сільськогосподарських культур

Звичайні методи моніторингу здоров’я сільськогосподарських культур неймовірно трудомісткі. Багато технологічних компаній вже не перший рік працюють над розробкою інтелектуальних систем, які зможуть здійснювати моніторинг, виявлення і аналіз зібраних на полях різноманітних даних з метою вивчення стану та доцільності вирощування певних видів зернових культур. Передбачається, що робота таких автоматизованих систем буде побудована на обробці гіперспектральних зображень і 3D-лазерному скануванні, що значно підвищить точність і обсяг зібраних даних. Варто зазначити, що подібні технології допомогли б багатьом фермерам здійснювати точну діагностику окремих ділянок або навіть окремих рослин, що ростуть на полі, контролюючи таким чином свій врожай і його потенціал.

  • Технології для ідентифікації тварин і контролю стану їх здоров’я

Розпізнавання осіб, безумовно, не є чимось новим, однак нині вже створюються інтелектуальні системи, що дозволяють не тільки ідентифікувати тварин, зокрема, рогату худобу, а й аналізувати стан їхнього здоров’я по поведінці. Розумні системи здійснюють індивідуальний контроль дій конкретної тварини або групи тварин, фіксуючи їхні основні звички, після чого формують базу даних про стан фактичного здоров’я кожної з них. Нині вважається, що такий підхід має велике майбутнє у сфері агро-промисловості і сільського господарства, так як призведе фактично до цифровізації галузі.

Основні напрямки інвестування в технології AI в агро-комплексі

1. Аналіз супутникових знімків

Проекти в цій області, аналізуючи знімки з орбіти і використовуючи геодані, надають фермерам усього світу інформацію про розподіл сільськогосподарських культур і вплив погодних змін на сільське господарство. У даній області використовуються алгоритми машинного навчання і комп’ютерний зір, що спрямовані на класифікацію даних і здобуття важливої для фермера інформації з мільйонів супутникових зображень.
Основним гравцем на цій арені є заснована у 2013 році компанія Orbital Insight, яка за останні 5 років отримала 78,7 млн.дол. інвестицій, в тому числі 50 млн.дол. в рамках стартапу, запропонувавши фермерам моделі прогнозування врожайності. У компанію вже вклалися такі відомі фонди, як Lux Capital, Sequoia Capital і Google Ventures.

2. Моніторинг у польових умовах.

Проекти у цій категорії стали лідерами зі збору інвестицій, продемонструвавши тільки у 2016 році 41 угоду, хоча ще у 2015 році їх було всього 22. Область включає в себе проекти зі створення безпілотних засобів із акцентом на сільське господарство, а також стартапи, що працюють над алгоритмами комп’ютерного зору для обробки даних, отриманих безпілотними літальними апаратами та іншими пристроями з камерами, які використовуються в ході польових робіт для інспекції об’єктів і вивчення поверхні планети.
Розробкою програмного забезпечення в цій категорії займається, зокрема, компанія Prospera, яка використовує технологію комп’ютерного зору з глибоким навчанням для моніторингу сільськогосподарських культур в режимі реального часу.

3. Аналіз стану культур і ґрунту.

Машинне навчання у цій сфері використовується для прогнозування впливу різних мікробів на здоров’я рослин і дозволяє знайти патогенні мутації, які можуть негативно вплинути на врожайність.
Одним із таких біотехнологічних проектів є Benson Hill Biosystems – у 2016 році він зібрав 25 млн.дол. інвестицій. Проект націлений на підвищення врожайності, спираючись на результати генних досліджень.
Відомий проект Indigo Agriculture, що фокусується на мікробах, які еволюціонували разом із рослинами протягом мільярдів років, з метою максимізувати продуктивність ґрунтів, – отримав 100 млн.дол. інвестицій, ставши вкрай затребуваним на багатьох фермерських господарствах. Його розробники пропонують рішення, які дозволили б не допустити передчасного виснаження ґрунтів і підвищити їх продуктивність.

4. Сільськогосподарські роботи.

Категорія включає наземних роботів, які виконують різні сільськогосподарські завдання.
Компанія Blue River Technology – одна з лідерів у розробці роботів, які використовують комп’ютерний зір, щоб розпорошувати хімікати тільки на бур’яни шляхом ретельного аналізу рослинності. На даний момент технологією вже зацікавилися виробники бавовни.
Стартап Abundant Robotics, який запропонував робота, що збирає яблука і аналізує рівень їх стиглості, отримав 10 млн.дол. інвестицій від таких компаній, як Google Ventures і Yamaha Motor Ventures. Пристрій вже активно тестується.

5. Розумна аналітика.

У цій категорії представлені програми, які використовують моделі машинного навчання для сільськогосподарських досліджень і розробок, сезонного аналізу, моделювання різних ринкових сценаріїв і оптимізації бізнес-витрат.
Наприклад, іспанський проект ec2ce допомагає фермерам прогнозувати врожайність, управляти добривами, іригацією і стежити за поширенням шкідників на основі сільськогосподарських даних із різних джерел. У 2016 році проект отримав 1 млн.дол. інвестицій, а пізніше залучив ще 7 млн.дол. на розробку від AgFunder, Aravaipa Ventures і Elixir Capital.

Статистика застосування технологій AI в агро-комплексі

Згідно з аналітичними даними Forbes, у 2018 році попит на розробку і впровадження інтелектуальних технологій у сільськогосподарському секторі буде зростати активніше, ніж раніше. У будь-якому випадку, вже існуючі статистичні дані говорять про те, що системи AI стануть незамінним інструментом для досягнення ключових цілей агро-комплексу:

За даними експертів CB Insights, сільськогосподарські технологічні стартапи за останні п’ять років (з 2012 року) залучили понад 800 млн. дол. інвестицій. З 2014 року відзначається стійке фокусування інвесторів на стартапах, які застосовують у сільському господарстві робототехніку і машинне навчання.
Найактивніші венчурні інвестори в агротехнологічному секторі – фонди Bessemer Venture Partners, Accel Partners, Khosla Ventures, Lux Capital і Data Collective. Основні фінансові вклади припадають на розробників універсальних дронів і технології комп’ютерного зору з акцентом на використання в сільському господарстві. Зокрема, Orbital Insight фокусується на аналізі супутникових знімків, а Blue River Technology – за допомогою комп’ютерного зору дає можливість фермерам знищувати бур’яни. Три згадані компанії за п’ять років залучили сумарно понад 200 млн.дол. інвестицій.
За даними CB Insights, у 2017 році агротехнічним стартапам вдалося укласти 56 угод на суму 240 млн.дол. з початку року. Показники попередніх років наступні: 2016 рік – 80 угод на суму 297 млн.дол., 2015 рік – 75 угод на суму 231 млн.дол. За підсумками поточного року експерти прогнозують рекордні 160 угод на суму 685 млн.дол. в області агротехніки.
Такі біотехнологічні гіганти, як Monsanto і Syngenta підтримали компанії, які спеціалізується на біоінформатиці й аналізі даних, надаючи індивідуальні рішення великим корпоративним клієнтам у галузі сільського господарства. Проекти стартаперів користуються величезним попитом.
За даними Продовольчої і сільськогосподарської організації ООН (ФАО), до 2050 року населення світу досягне 9,2 млрд. Це означає, що глобальний сектор сільського господарства знаходиться під великою напругою. Необхідно забезпечити більш високу ефективність у сучасних методах ведення сільського господарства, відзначають експерти, адже фермерам доведеться оптимізувати максимум своїх ресурсів і при цьому виробляти більше продукції.

Приклади існуючих проектів із застосуванням технологій AI в агро-секторі

Проект Blue River. Передбачає систему контролю бур’янів, які часто є глобальною проблемою для багатьох фермерів. Сьогодні близько 250 видів бур’янів стали стійкими до гербіцидів. Деякі дослідження в США, проведені в рамках вивчення впливу неконтрольованих бур’янів на кукурудзу і соєві культури, показали, що щорічні втрати фермерів оцінюються в 43 млрд.дол. Технологія Blue River розробила робота під назвою See & Spray, який використовує комп’ютерний зір для моніторингу і видалення бур’янів на полях, а також аналізує їх стійкість до гербіцидів. Крім того, розробники проекту стверджують, що технологія здатна усунути до 80% обсягу хімічних речовин, які зазвичай розпилюються на врожаї, і може скоротити витрати на гербіциди на 90%.

Проект Harvest CROO Robotics. Передбачає автоматизацію збору врожаю також у спробі допомогти вирішити проблему оптимізації людських ресурсів. З цією метою компанія CROO Robotics розробила робота, який допомагає фермерам збирати і розподіляти врожай. Розробники стверджують, що пристрій може обробити до 8 гектарів землі за один день, замінивши 30 людей-робітників. У 2017 році Harvest CROO Robotics вже отримала 2,8 млн.дол. інвестицій на свою розробку.

Проект PEAT. Передбачає систему діагностики і моніторингу шкідників, які порушують екосистему ґрунту і завдають шкоди врожаю, являючись фактичною загрозою для продовольчої безпеки. За оцінками Міністерства сільського господарства США, щорічні витрати на ліквідацію наслідків ерозій ґрунтів становлять приблизно 44 млрд.дол. Сільськогосподарський технічний стартап PEAT, заснований у Берліні, розробив додаток для глибокого навчання під назвою Plantix, який виявляє потенційні недоліки ґрунту. Аналіз проводиться за допомогою програмних алгоритмів, які обробляють зображення ґрунту і листя рослин із певними дефектами, ідентифікують шкідників і хвороби культур. Додаток працює на базі знімків, зроблених на камеру смартфона користувача. За даними самої компанії, на сьогоднішній день її міжнародна клієнтська база досягла більше 500 000 користувачів.

Проект Trace Genomics. Передбачає систему машинного навчання для діагностики дефектів і хвороб ґрунту по типу додатку від Plantix. Акцент робиться на запобіганні розвитку пошкоджених культур і оптимізації потенціалу для виробництва здорового врожаю. Система Trace Genomics здійснює скринінг патогенів ґрунтів, виявляє потенційну середу для бактерій і грибів, і здійснює комплексну оцінку мікроорганізмів.

Проект SkySquirrel Technologies Inc. Передбачає розробку дронів і використовує комп’ютерний зір для аналізу врожаю. SkySquirrel Technologies Inc. є однією з компаній, які залучають безпілотні технології до роботи на виноградниках. Компанія прагне допомогти фермерам покращити врожайність. Запущені над виноградниками дрони роблять високоякісні зображення для їх подальшої діагностики за допомогою спеціальних додатків. SkySquirrel використовує алгоритми для інтеграції та аналізу захоплених зображень і даних, щоб надати докладний звіт про стан здоров’я виноградника: плодів, листя і самої виноградної лози. Компанія стверджує, що її технологія може сканувати 50 акрів за 24 хвилини і забезпечує аналіз даних із 95-процентною точністю.

Проект aWhere. Передбачає розробку супутникових систем прогнозування погоди і факторів стійкості врожаю до погодних умов. Розробники стверджують, що їх система щодня може надавати користувачам доступ до більш ніж мільярду точок агрономічних даних. Джерела даних включають у себе температуру, опади, швидкість вітру і сонячну радіацію.

Проект FarmShots. Передбачає розробку системи, орієнтовану на аналіз сільськогосподарських даних, одержуваних із зображень, які роблять супутникові безпілотні апарати. За інформацією розробників, їх програмне забезпечення може інформувати користувачів про те, де добриво необхідно або навпаки, контролювати стан врожаю, сигналізувати про можливі проблеми на полях. Розроблені безпілотні пристрої працюють у комплексі з мобільним додатком.