Актуальность
Климат Казахстана, является резко континентальным. Это приводит к значительным колебаниям погодных условий как в пределах одного сезона, так и в многолетнем цикле агропроизводства. Как следствие, внутри полевые почвенные неоднородности в различных погодных условиях могут проявляться по-разному. Например, в засушливые периоды низины внутри полей создают благоприятные условия для роста растений, тогда как в периоды избыточной влажности эти же участки становятся наименее подходящими из-за переувлажнения. Таким образом, качество земель внутри поля тесно связано с погодными условиями, что требует более детального анализа и мониторинга для оптимизации агротехнических мероприятий и повышения урожайности.
Современные системы мониторинга обычно включают получение спутниковых изображений полей в различных спектральных диапазонах и их картирование. Однако для условий Казахстана необходимы более сложные подходы, учитывающие исторические данные, тенденции изменений характеристик почв и прогнозируемые погодные условия. Для выявления причин угнетения культурных растений требуются снимки сверхвысокого разрешения.
Все это усложняет задачи классификации, идентификации и распознавания состояния полей, посевов и фаз развития растений. Например, в условиях засухи деградация посевов может сделать их неотличимыми от парующихся полей. Тем не менее, современные технологии обработки изображений и машинного обучения позволяют решать многие задачи классификации и идентификации в сложных и изменяющихся условиях в автоматическом режиме.
Разработка системы поддержки агротехнических мероприятий в растениеводстве, основанной на комплексных системах мониторинга и методах искусственного интеллекта, является перспективным направлением в сельском хозяйстве. Интеграция спутникового и низковысотного дистанционного зондирования с использованием беспилотных летательных аппаратов (БПЛА) позволит получать более точные данные для мониторинга и управления процессами в точном земледелии, что, в свою очередь, способствует повышению эффективности производства растительных кормов и оптимизации агротехнических мероприятий.
Цель программы:
Создание системы поддержки агротехнических мероприятий в растениеводстве на базе комплекса систем мониторинга и методов искусственного интеллекта, обеспечивающих повышение эффективности кормового агропроизводства.
Ожидаемые результаты:
1.Опытный образец беспилотной летательной платформы и сопутствующего навесного и наземного оборудования для выполнения мониторинга сельскохозяйственных полей и обработки получаемых данных.
2.Методы, алгоритмы и программное обеспечение для обработки данных и изображений, поступающих с борта БЛП, для решения задач планирования полетов, мониторинга и картирования сельскохозяйственных полей, задействованных производстве растительных кормов.
3.Техническая документация и документация пользователя, обеспечивающая использование системы.
4.Рекомендации по подготовки специалистов в области использования системы мониторинга и прогнозирования.
Принципиальные отличия проектного решения
1.Комплексный интеграционный характер мониторинга с применением разновысотного дистанционного зондирования.
2.Широкое применение методов машинного обучения для идентификации, классификации и прогнозирования урожайности.
3.Использование методов планирования облетов с применением алгоритмов искусственного интеллекта.
- Методы и технические средства применения БПЛА для низковысотного мониторинга, методы прогнозирования урожайности и развития культурных растений на базе моделей машинного обучения, системы анализа данных и отображения результатов мониторинга и прогнозирования.
Эффективность проекта
Экономический эффект:
1)В условиях Казахстана сокращение затрат на гербициды и удобрения может составить до 1500 тенге на гектар или более при применении технологий no-till, strip-till (обработка почвы без вспашки);
2)Снижения себестоимости продукции, например, для рапса до 240 долларов на гектар;
3)Сокращения затрат на мониторинг полей.
Экологический эффект: уменьшение количества используемых гербицидов/пестицидов и удобрений. Социальный эффект: повышение образовательного уровня специалистов и появление новых профессий, лежащих на стыке науки о данных, сельского хозяйства и робототехники.
Области применения
Агрохолдинги, фермерские и крестьянские хозяйства, предприниматели среднего и малого бизнеса; ученые и специалисты в области агропромышленности, информационных систем и искусственного интеллекта; научно-исследовательские организации и ВУЗы.
Зарубежные партнеры (вузы и ученые)
University of Zilina (Словакия), Федеральный исследовательский центр РФ «Почвенный институт им. В.В. Докучаева», Институт космических исследований РАН
Бизнес партнеры
ТОО: «FlyCam», «AitasAgro», «Победа» «Тауелсыздык»