Кернел для автоматизації польового моніторингу застосовує штучний інтелект
Компанія «Кернел» використовує штучний інтелект для оцінки густоти та якості посіву за знімками з дрона.
Як зазначається, наразі ці алгоритми вже відтестовані й цього року будуть повномасштабно впроваджені в агровиробництво компанії.
ІТ-директор компанії «Кернел» Андрій Піший зазначив, що використання сучасних технологій в агробізнесі компанії, в тому числі автоматизації та комплексного впровадження систем точного землеробства, дозволяє накопичувати дані по полях і техопераціях, виконаних на них тощо.
"Супутникові знімки, фото з дронів, дані наземних обстежень обробляються та зберігаються в ІТ-інфраструктурі компанії. Їх застосування передбачає розробку алгоритмів, які могли б здійснювати глибокий, об’єктивний і водночас оперативний аналіз поля для розв'язання складних задач агровиробництва та прийняття ефективних бізнес-рішень. Планомірним кроком компанії в цьому напрямку стало створення відділу Data Science у Департаменті інформаційних технологій", - розповів Андрій Піший - ІТ-директор компанії «Кернел».
Заступник директора агробізнесу з інноваційного та цифровому розвитку «Кернел» Євгеній Сапіженко акцентує на тому, що для розробки алгоритмів використовувалися методики Machine Learning, Deep Neural Network тощо.
У напрямку обробки знімків з дронів за допомогою нейронних мереж ми навчилися рахувати культурні рослини на фото для оцінки густоти стояння культур. Крім цього, розроблена модель виділяє двійники, пропуски, оцінює польову схожість, а також видає інтегральний показник якості посіву з урахуванням рівномірності.
Євгеній Сапіженко також зазначив, що компанія готова ділитися цим інструментом з партнерами проєкту Open Agribusiness й поширювати його на комерційній основі.
Автор рішення Data Scientist Данило Поляков, зазначив, що агроном з моніторингу робить кілька фото поля з різних точок. Крім того, щоб переконатися в тому, що в наявності є знімки з різних зон поля, можна відображати координати місць, де вони були зроблені. Кожну фотографію модель обробляє окремо.
"Нейронна мережа будує теплову карту знімка, яка відображає вірогідність знаходження рослини, наступний алгоритм відсікає бур’яни та рослини у міжрядді, після чого ми оцінюємо кількість сходів на гектар, середню відстань між рослинами, відсоток двійників, відсоток пропусків, якість посіву. Фінальні значення для поля обираються як медіанне значення серед усіх фото зроблених з цього поля. Результати зберігаються в параметрах поля, що кріпляться до паспорта поля", - повідомив Данило Поляков - автор рішення Data Scientist.
За повідомленням, випробування на кластерах компанії показали хороший результат — середнє значення похибки зафіксовано на рівні 2%. Таким чином, тестовий режим моделі вже значно точніше в порівнянні з ручними польовими підрахунками за чинними методиками.
У цьому сезоні «Кернел» планує використовувати технологію на виробництві у повному обсязі.
Також читайте: