Рост цифрового сельского хозяйства и связанных с ним технологий открыл множество новых возможностей для работы с данными. Удаленные датчики, спутники, автономная робототехника, беспилотные системы и системы дистанционного зондирования могут собирать информацию 24 часа в сутки при самых разных погодных условиях. Они способны контролировать состояние растений и почвы, температуру, влажность, регулярность полива и обеспечивать выполнение ряда других задач, реализация которых до сих пор возложена на плечи человека.

Идея, собственно, состоит в том, чтобы позволить работникам агро-сектора лучше понять ситуацию на местах с помощью передовых технологий, которые могут рассказать им больше о ситуации на фермерском хозяйстве, ведь многие факторы пока что остаются вне поля их зрения.

Основные направления развития технологий AI в рамках применения в агро-комплексе

  • Дроны

Одно из наиболее популярных и широко доступных умных устройств, делающих большие успехи на агро-арене. Такие функции, как предоставление новых способов повышения урожайности сельскохозяйственных культур посредством углубленного повсеместного анализа, регулярного и системного опрыскивания урожая и высокопроизводительный мониторинг его состояния – стали бесценными для многих фермеров. Технологии беспилотных летательных аппаратов активно развиваются и обрастают новыми приложениями, предоставляющими более широкий спектр опций, необходимых для качественной и продуктивной работы на полях.

  • Умная робототехника для сбора урожая

Технологические компании уже давно работают над внедрением технологий без водителя в различные отрасли промышленности, и сельское хозяйство стало одним из ключевых направлений, где подобная техника оказалась крайне необходима и полезна. Умные тракторы, оснащенные программным обеспечением с «готовыми» интеллектуальными технологиями – датчиками, радарами, системами GPS, – колесят по полям, обрабатывая землю и собирая урожай, не нуждаясь при этом в компании водителя. С подобными автономными системами работы с урожаем удается обрабатывать намного больше площадей в течение более длительных периодов времени.

  • Автоматизированные ирригационные системы

Или системы орошения – непростая задача при работе с большими открытыми площадями, однако, сегодня на многих фермах уже весьма успешно применяются. Основная проблема организации работы таких систем – зависимость от погодных условий при прогнозировании требуемых для полива ресурсов. Автоматизированные ирригационные системы используются для постоянного поддержания требуемых условий почвы с целью увеличения средней урожайности. Это не только требует значительно меньшего человеческого труда, но и имеет потенциал для снижения производственных издержек. Кроме того, системы орошения крайне важны для оптимизации и учета статистики потребления пресной воды. Многие ученые считают, что эти технологии впоследствии окажут глобальное влияние на процессы мирового водоснабжения.

  • Системы мониторинга здоровья сельскохозяйственных культур

Обычные методы мониторинга здоровья сельскохозяйственных культур невероятно трудоемкие. Многие технологические компании уже не первый год работают над разработкой интеллектуальных систем, которые смогут осуществлять мониторинг, обнаружение и анализ собираемых на полях разнообразных данных с целью изучения состояния и целесообразности выращивания определенных видов зерновых культур. Предполагается, что работа таких автоматизированных систем будет построена на обработке гиперспектральных изображений и 3D-лазерном сканировании, что значительно повысит точность и объем собираемых данных. Стоит отметить, что подобные технологии помогли бы многим фермерам производить точную диагностику отдельных участков или даже отдельных растений, растущих на поле, контролируя таким образом свой урожай и его потенциал.

  • Технологии для идентификации животных и контроля состояния их здоровья

Распознавание лиц, безусловно, не является чем-то новым, однако ныне уже создаются интеллектуальные системы, позволяющие не только идентифицировать животных, в частности, рогатый скот, но и анализировать состояние их здоровья, ориентируясь на поведение. Умные системы осуществляют индивидуальный контроль действий животных или группы животных, фиксируя их основные привычки, после чего формируют базу данных о состоянии фактического здоровья каждого из них. Ныне считается, что такой подход имеет большое будущее в сфере агро-промышленности и сельского хозяйства, так как приведет фактически к оцифровизации отрасли.

Основные направления инвестирования в технологии AI в агро-комплексе

Анализ спутниковых снимков

Проекты в этой области, анализируя снимки с орбиты и используя геоданные, дают фермерам всего мира информацию о распределении сельскохозяйственных культур и влиянии погодных изменений на сельское хозяйство. В этой области используются алгоритмы машинного обучения и компьютерное зрение, которые направлены на классификацию данных и извлечение значимой для фермера информации из миллионов спутниковых изображений.
Основным игроком на этой арене является основанная в 2013 году компания Orbital Insight, которая за последние 5 лет привлекла 78,7 млн.дол. инвестиций, в том числе 50 млн.дол. в рамках стартапа, предложив фермерам модели прогнозирования урожайности. В компанию уже вложились такие известные фонды, как Lux Capital, Sequoia Capital и Google Ventures.

Мониторинг в полевых условиях.

Проекты в этой категории стали лидерами по сбору инвестиций, продемонстрировав только в 2016 году 41 сделку, хотя еще в 2015 году их было всего 22. Область включает в себя проекты по созданию беспилотных средств с акцентом на сельское хозяйство, а также стартапы, работающие над алгоритмами компьютерного зрения для обработки данных, полученных беспилотными летательными аппаратами и другими устройствами с камерами, используемыми в ходе полевых работ для инспекции объектов и изучения поверхности планеты.

Разработкой программного обеспечения в этой категории занимается, в частности, компания Prospera, которая использует технологию компьютерного зрения с глубоким обучением для мониторинга сельскохозяйственных культур в режиме реального времени.

Анализ состояния культур и почвы.

Машинное обучение в этой сфере используется для прогнозирования влияния различных микробов на здоровье растений и позволяет найти патогенные мутации, которые могут негативно повлиять на урожайность.

Одним из таких биотехнологических проектов является Benson Hill Biosystems – в 2016 году он собрал 25 млн.дол. инвестиций. Проект нацелен на повышение урожайности, опираясь на результаты генных исследований.

Известный проект Indigo Agriculture, фокусирующийся на микробах, которые эволюционировали вместе с растениями в течение миллиардов лет, чтобы максимизировать производительность почв, – поднял 100 млн.дол. инвестиций, став крайне востребованным на многих фермерских хозяйствах. Его разработчики предлагают решения, которые позволили бы не допустить преждевременного истощения почв и повысить их продуктивность.

Сельскохозяйственные роботы.

Категория включает наземных роботов, которые выполняют различные сельскохозяйственные задачи.
Компания Blue River Technology – одна из лидеров в разработке роботов, которые используют компьютерное зрение, чтобы видеть и распылять химикаты только на сорняки. На данный момент технологией уже заинтересовались производители хлопка.

Стартап Abundant Robotics, предложивший робота, собирающего яблоки и анализирующего уровень их спелости, привлек 10 млн.дол. инвестиций от таких компаний, как Google Ventures и Yamaha Motor Ventures. Тестирование устройства уже идет.

Умная аналитика.

В этой категории представлены приложения, использующие модели машинного обучения для сельскохозяйственных исследований и разработок, сезонного анализа, моделирования различных рыночных сценариев и оптимизации бизнес-расходов.

Например, испанский проект ec2ce помогает фермерам прогнозировать урожайность, управлять удобрениями, ирригацией и следить за распространением вредителей на основе сельскохозяйственных данных из разных источников. В 2016 году проект получил 1 млн.дол. инвестиций, а позднее привлек еще 7 млн.дол. от AgFunder, Aravaipa Ventures и Elixir Capital.

Статистика применения технологий AI в агро-комплексе

Согласно аналитическим данным Forbes, в 2018 году спрос на разработку и внедрение интеллектуальных технологий в сельскохозяйственном секторе будет расти активнее прежнего. В любом случае, уже существующие статистические данные говорят о том, что системы AI становятся незаменимым инструментом для достижения ключевых целей агро-комплекса:

По данным экспертов CB Insights, сельскохозяйственные технологические стартапы за последние пять лет (с 2012 года) привлекли более 800 млн.дол. инвестиций. С 2014 года отмечается устойчивая фокусировка инвесторов на стартапах, применяющих в сельском хозяйстве робототехнику и машинное обучение.
Самые активные венчурные инвесторы в агротехнологическом секторе — фонды Bessemer Venture Partners, Accel Partners, Khosla Ventures, Lux Capital и Data Collective. Основные вложения приходятся на разработчиков универсальных дронов и технологии компьютерного зрения с акцентом на использование в сельском хозяйстве. В частности, Orbital Insight фокусируется на анализе спутниковых снимков, а Blue River Technology — с помощью компьютерного зрения дает возможность фермерам уничтожать сорняки. Три упомянутые компании за пять лет привлекли суммарно более 200 млн.дол. инвестиций.
По данным CB Insights, в 2017 году агротехническим стартапам удалось заключить 56 сделок на сумму 240 млн.дол. с начала года. Показатели двух предыдущих лет следующие: 2016 год — 80 сделок на сумму 297 млн.дол., 2015 году – 75 сделок на сумму 231 млн.дол. По итогам текущего года эксперты прогнозируют рекордные 160 сделок на сумму 685 млн.дол. в области агротехники.
Такие биотехнологические гиганты, как Monsanto и Syngenta поддержали компании, которые специализируется на биоинформатике и анализе данных, предоставляя индивидуальные решения крупным корпоративным клиентам в области сельского хозяйства. Проекты стартаперов пользуются колоссальным спросом.
По данным Продовольственной и сельскохозяйственной организации ООН (ФАО), к 2050 году мировое население достигнет 9,2 млрд. Это означает, что глобальный сектор сельского хозяйства находится под большим напряжением. Необходимо обеспечить более высокую эффективность в современных методах ведения сельского хозяйства, отмечают эксперты, ведь фермерам придется оптимизировать максимум своих ресурсов и при этом производить больше продукции.

Примеры существующих проектов с применением технологий AI в агро-секторе

Проект Blue River. Предполагает систему контроля сорняков, которые часто являются глобальной проблемой для многих фермеров. Сегодня около 250 видов сорняков стали устойчивыми к гербицидам. Некоторые исследования в США, проведенные в рамках изучения влияния неконтролируемых сорняков на кукурузу и соевые культуры, показали, что ежегодные потери для фермеров оцениваются в 43 млрд.дол. Технология Blue River разработала робота под названием See & Spray, который использует компьютерное зрение для мониторинга и удаления сорняков на полях, а также анализирует их устойчивость к гербицидам. Кроме того, разработчики проекта утверждают, что технология способна устранить до 80% объема химических веществ, обычно распыляемых на урожаях, и может сократить расходы на гербициды на 90%.

Проект Harvest CROO Robotics. Предполагает автоматизацию сбора урожая также в попытке помочь решить проблему оптимизации человеческих ресурсов. С этой целью компания CROO Robotics разработала робота, помогающего фермерам собирать и распределять урожай. Разработчики утверждают, что устройство может обработать до 8 гектаров земли за один день, заменив 30 человек рабочих. В 2017 году Harvest CROO Robotics уже привлекла 2,8 млн.дол. инвестиций в свою разработку.

Проект PEAT. Предполагает систему диагностики и мониторинга вредителей, которые наносят урон урожаю и почве, являясь фактической угрозой для продовольственной безопасности. По оценкам Министерства сельского хозяйства США, ежегодные затраты на ликвидацию последствий эрозий почв составляют приблизительно 44 млрд.дол. Сельскохозяйственный технический стартап PEAT, основанный в Берлине, разработал приложение для глубокого обучения под названием Plantix, который выявляет потенциальные недостатки почвы. Анализ проводится с помощью программных алгоритмов, которые обрабатывают изображения с определенными дефектами почвы и листьев растений, идентифицирует вредителей и болезни культур. Приложение работает на базе снимков, сделанных на камеру смартфона пользователя. По данным самой компании, на сегодняшний день ее международная клиентская база достигла более 500 000 человек.
Проект Trace Genomics. Предполагает систему машинного обучения для диагностики дефектов и болезней почвы по типу приложения от Plantix. Акцент делается на предотвращение развития поврежденных культур и оптимизацию потенциала для производства здорового урожая. Система Trace Genomics осуществляет скрининг патогенов почв, выявляет потенциальную среду для бактерий и грибов, и осуществляет комплексную оценку микроорганизмов.

Проект SkySquirrel Technologies Inc. Предполагает разработку дронов и использует компьютерное зрение для анализа урожая. SkySquirrel Technologies Inc. является одной из компаний, которые приобщают беспилотные технологии к работе на виноградниках. Компания стремится помочь фермерам улучшить урожайность. Запускаемые над виноградниками дроны делают высококачественные изображения для их последующей диагностики с помощью специальных приложений. SkySquirrel использует алгоритмы для интеграции и анализа захваченных изображений и данных, чтобы предоставить подробный отчет о состоянии здоровья виноградника: плодов, листьев и самой виноградной лозы. Компания утверждает, что ее технология может сканировать 50 акров за 24 минуты и обеспечивает анализ данных с 95-процентной точностью.

Проект aWhere.Предполагает разработку спутниковых систем прогнозирования погоды и факторов устойчивости урожая к погодным условиям. Разработчики утверждают, что их система ежедневно может предоставлять пользователям доступ к более чем миллиарду точек агрономических данных. Источники данных включают в себя температуру, осадки, скорость ветра и солнечную радиацию.

Проект FarmShots. Предполагает разработку системы, ориентированную на анализ сельскохозяйственных данных, получаемых из изображений, которые делают спутниковые беспилотные аппараты. По информации разработчиков, их программное обеспечение может информировать пользователей о том, где удобрение необходимо или наоборот, контролировать состояние урожая, сигнализировать о возможных проблемах на полях. Разработанные беспилотные устройства работают в комплексе с мобильным приложением.

 

Читайте также:

Агро стартап INNO-3B – интеллектуальная система технологии вертикального земледелия

Технологии искусственного интеллекта могут решить все проблемы агросектора

Автор: Елена Семенчук


Комментарии