Машинное зрение в АПК

Машинное зрение (Computer Vision, CV, или Machine Vision, MV) было изобретено еще в середине прошлого века. Сегодня эта уникальная технология искусственного интеллекта активно применяется в сельском хозяйстве и гарантирует успешное решение прикладных задач агропромышленного комплекса при помощи автоматизированного анализа фото- и видеоматериалов.

Машинное зрение для фермеров

До 1990-х годов XX века анализ любого вида изображений — от рентгеновских до космических снимков — приходилось выполнять вручную. Сегодня такой проблемы уже нет — революционные прорывы в математических методах и сфере высоких технологий позволяют использовать автоматизированные процессы анализа фото- и видеоматериалов в самых разных областях человеческой деятельности, одной из которых стало сельское хозяйство.

Экологическая и климатическая нестабильность часто приводит к гибели урожая или сельскохозяйственных животных и, следовательно, материальным убыткам для многих фермеров. Современные компьютерные технологии, использующие машинное зрение, помогают предотвратить эти потери. Посредством автоматических высокоточных измерений они способны проводить эффективный анализ характеристик объекта и влияющих на него факторов. Существенно облегчая труд фермеров, высокотехнологичные помощники открывают новую эру во многих сферах сельскохозяйственной деятельности.

Беспилотные летательные аппараты и камеры высокого разрешения можно использовать для мониторинга всех видов сельскохозяйственных производств и получения мультиспектральных изображений животноводческих ферм и сельскохозяйственных угодий. Разрешение снимков настолько высокое, что можно пересчитать насекомых на каждом листе. Сегодня мощные программные инструменты обработки и анализа данных расширили возможности их применения для контроля состояния животных и растений, позволяя предотвратить множество самых разнообразных проблем.

Оценка состояния растений. Машинное зрение может использоваться для определения состояния растений, длины рядов и расстояния между ними, состояния всходов, сравнения полученных данных с данными даты посадки. В течение сезона фермеры могут получать информацию о состоянии и количестве насаждений даже не выходя из дома.

Обнаружение сорняков. Поскольку системы машинного зрения сканируют растения с регулярной частотой, растущие сорняки можно обнаружить практически в реальном времени. Технология позволяет зафиксировать момент появления сорняка, классифицировать его вид, рассчитать потенциальную угрозу урожаю и рекомендовать подходящий гербицид. После обработки машинное зрение помогает определить эффективность воздействия гербицида и обнаружить устойчивые к нему сорные травы.

Анализ проблем роста. Алгоритмы машинного зрения способны анализировать состояние выращиваемых культур. Выявление проблем с ростом на ранней стадии дает фермеру возможность оперативного устранения проблем или повторного посева. Обширное непрерывное сканирование всей площади насаждений позволяет быстро получить данные об их состоянии без длительных осмотров и затрат на привлечение большого количества помощников.

Насекомые и болезни. Системы машинного зрения выявляют и классифицируют большинство известных заболеваний растений, а также обнаруживают на них физические повреждения, нанесенные насекомыми и вредителями. Нейросеть позволяет распознать заболевания культур как на микроуровне, по снимкам листьев, так и на макроуровне, выявляя ранние признаки заболеваний растений или распространения вредителей по данным аэрофотосъемки. Компьютер уведомляет о них фермера практически в момент зарождения проблемы. Система может отслеживать статус распространения заражения и предупреждать о любой потенциальной угрозе.

Фенотипирование. При фенотипировании и селекции растений применение технологий машинного зрения снижает трудозатраты на проведение исследований, позволяя формировать цифровые базы данных с четкой структурой и классификацией по морфологическим признакам. Внедрение нейронных сетей в процесс обработки изображений повышает точность распознавания растений до 99,9%, а очагов инфекционных заболеваний — в среднем до 80%. Дроны с гиперспектральными камерами способны определять вегетационные индексы, очаги заражения и плодородности сельскохозяйственных участков. Их можно применять совместно с флуоресцентными маркерами растений, что позволяет решать сложные задачи по распознаванию культур.

Мониторинг сбора урожая. Во время сбора и сортировки урожая алгоритмы машинного зрения применимы для классификации пищевых продуктов по определенным сортам, обнаружения дефектов и оценки таких свойств плодов, как цвет, форма, размер, повреждения и загрязнения.

Этот быстрый и надежный метод сортировки помогает сэкономить большое количество времени и средств, стабильно повышая производительность. Система также может автоматически сортировать некачественные зерна злаков. Например, распознавать в них афлатоксины, вырабатываемые некоторыми видами плесневых грибов и смертельно опасные для здоровья людей и сельскохозяйственных животных.

Мониторинг влажности почвы. Управление почвенными и водными ресурсами составляет основу успеха фермерского хозяйства. Машинное зрение в сочетании с системами точного земледелия способно помочь фермерам более эффективно использовать природные ресурсы. Камеры дронов можно оснастить датчиками, запрограммированными для измерения влажности почв и всасывающего давления влаги, а также контроля орошения.

Животноводство

Здоровье животных — один из основных факторов, определяющих благополучие и продуктивность фермерских хозяйств. Системы машинного зрения способны автоматически выявлять аномалии или несоблюдение гигиенических стандартов, помогая усилить контроль за здоровьем животных и качеством продукции. Вместо привлечения людей, отвечающих за мониторинг соблюдения регламентов и стандартов здравоохранения путем просмотра камер, задачи полностью автоматизируются.

Так, в разработанной Россельхозбанком экосистеме «Своё.Фермерство» представлен сервис Animal Care: Calving, позволяющий фермерам отслеживать процесс рождения телят в хозяйствах до 200 дойных голов. Система наблюдает за состоянием животного от начала родовой деятельности, сохраняет в базе данных все ключевые события и оповещает персонал фермы об изменении статуса при помощи СМС.

Видеоаналитика фиксирует прибытие сотрудника на место и все последующие действия в контрольной зоне, позволяя проследить за выполнением регламентов и обязательных процедур. Для контроля информация сохраняется в личном кабинете руководителя.

Еще одна разработка на основе машинного зрения — Direktiva: санитария, представленная в экосистеме Россельхозбанка, также поможет контролировать соблюдение сотрудниками санитарных регламентов.

На сегодняшний день она необходима любым предприятиям, заинтересованным в биобезопасности своей продукции. Система определяет личность сотрудника, напоминает о необходимости мытья рук и поэтапно отслеживает процесс по заданному алгоритму в соответствии с медицинским стандартом EN-1500. Обмануть искусственный интеллект невозможно, система не засчитает попытку помыть руки неправильно. После процедуры машинное зрение проверяет наличие на сотруднике требуемой спецодежды, отсутствие украшений и маникюра. Выявленные нарушения означают автоматический отказ в допуске на производство.

Новые цифровые сервисы, которые экосистема Россельхозбанка сделала доступными для использования небольшими компаниями сферы АПК, будут особенно полезны для контроля за скотоводческими фермами и диагностики болезней сельхозкультур. Технология машинного зрения может оказать неоценимую помощь, сокращая расходы и объём работ по мониторингу на больших фермах. Внедрение нейросетей в сельскохозяйственную практику при поддержке РСХБ поможет аграриям сберечь временны́е ресурсы, повысить безопасность производства и сделать бизнес более эффективным.

Источник: farmer.rbc.ru