ИИ-сервисы для агрономов

Не тренд, а необходимость

«Прежде всего ИИ применяется для анализа данных и поддержки принятия решений: это прогнозирование урожайности, анализ состояния посевов на основе различных данных, выявление зон риска, дифференцированное внесение удобрений и средств защиты растений, а также моделирование сценариев в зависимости от погодных условий», — рассказывает генеральный директор Агрохолдинга «СТЕПЬ» Андрей Недужко. 

32% — уровень проникновения ИИ в сельскохозяйственную отрасль России, оценивают в компании «Агроноут»

Компания «Геомир» выделяет три основных направления, где ИИ‑решения уже доказали свою эффективность:

Технологии машинного зрения позволяют:

• распознавать и подсчитывать культурные растения и сорняки;
• определять стресс, болезни и повреждения растений;
• подсчитывать элементы структуры урожая (например, зерна в початках кукурузы);
• анализировать зерно (засоренность и повреждения);
• оценивать плоды фруктовых и овощных культур для калибровки и выбраковки.

«Преимущество ИИ в решении этих задач — возможность обработки огромного количества исходных данных, объективность и быстрота в сравнении с человеком. Однако обучение таких моделей требует серьезной разработки, сбора большого количества исходных данных, адаптации под региональные и прочие отличительные особенности», — отмечают в компании.

ML‑модели (machine learning) обрабатывают данные из разнообразных источников:

• метеодатчики и метеостанции;
• данные дистанционного зондирования земли (вегетационные индексы, состояние почвы и т. д.).

На основе этих данных модели предлагают обоснованные решения и рекомендации по технологическим операциям, а также прогнозируют урожайность.

ИИ в селекции ускоряет выведение новых сортов за счет:

• анализа геномных наборов для выбора родительских форм;
• экспресс‑анализа фенотипических признаков растений и семян с помощью компьютерного зрения.

Главная ценность ИИ — способность мгновенно обрабатывать большие массивы данных и представлять их в понятном для агрономов формате: карты зон плодородия, вегетационные индексы, карты‑задания, считает генеральный директор и сооснователь «Агроноута» Алексей Трубников.

«Это позволяет перевести систему принятия решений в хозяйствах на новый, более качественный уровень, когда вместо сиюминутных, интуитивных решений внедряется обоснованное управление, основанное на точных данных. В итоге мы получаем оптимизацию использования ресурсов, своевременность принятия решений и устойчивое развитие предприятия даже в кризисное время», — отмечает он.

Заем с выплатой в конце срока

Получите деньги в течение 5 рабочих дней без лишних документов

Получить финансированиеПодробнее

Универсальные и отраслевые решения: в чем разница?

Широко известные сервисы вроде ChatGPT, DeepSeek и GigaChat могут служить агрономам вспомогательным инструментом — для работы с инструкциями, первичного анализа информации или систематизации данных. Однако, как подчеркивает Андрей Недужко, они не учитывают специфику конкретного хозяйства, почв, климата и технологий, поэтому не подходят в качестве самостоятельного источника агрономических решений.

На смену универсальным сервисам приходят специализированные платформы, «заточенные» под задачи растениеводов.

Специализированные платформы: обзор решений

1. «АссистАгро» (ГК «Геомир»)

Платформа объединяет более 15 моделей ИИ. Ключевые функции:

Рекомендательная система по применению гербицидов. На основе фотоматериалов с БПЛА (облет поля площадью 100 га занимает 15–20 минут) система:

• распознает и подсчитывает растения культуры и сорняки;
• классифицирует их и определяет стадии развития;
• группирует объекты по чувствительности к действующим веществам гербицидов;
• выявляет превышение экономического порога вредоносности (ЭПВ);
• подбирает эффективные препараты и нормы применения.

Модели для оценки состояния посевов и структуры урожая. Экономит время полевых наблюдений и дает более репрезентативные данные, чем пешие осмотры.

«В зависимости от культуры на снимках с высоты 1, 2, 5 или 9 м наши модели подсчитывают культурные растения или элементы структуры урожая (колосья зерновых, корзинки подсолнечника). Эти данные позволяют сформировать объективную картину состояния посева и увидеть разницу между участками поля», — пояснили в компании.

Автоматический прогноз урожайности. Модель работает в течение всего периода вегетации, учитывая:

• • спутниковый мониторинг;
  • метеоданные;
  • региональную специфику.

Прогноз помогает планировать уборочную кампанию и логистику.

За последние два года спрос на «АссистАгро» растет на 20–30 % в год. Наиболее востребованы функции учета работ, контроля техники в поле и скаутинга с применением ИИ.

2. «Точные поля» (компания «Агроноут»)

Платформа использует нейросетевую модель для автоматического отбора подходящих спутниковых снимков (за 40 лет на каждое поле накапливается до нескольких тысяч изображений).

«Анализ многолетних данных дистанционного зондирования дает много агрономически ценных сведений: информацию об актуальном состоянии почв, плодородии, данные об истории землепользования. То есть работа, которая у человека заняла бы недели, выполняется ИИ буквально за секунды, — поясняет Трубников. — Отобранные нейросетью космоснимки используются в качестве основы для построения карт плодородия, по которым, в свою очередь, для техники формируются карты‑задания с установленными для каждого внутриполевого участка нормами удобрений или семян».

Дополнительно формируется электронный атлас, характеризующий почвенный покров, его состояние и потенциал. Это инструмент аналитики и принятия решений, превращающий архив снимков в ресурс для повышения урожайности.

За последние два года площадь земель под технологиями точного земледелия «Агроноут» выросла вдвое и составляет 1 млн гектаров.

Практический опыт агрокомпаний

RUSEED реализует пилотный проект по дистанционному мониторингу посевов совместно с «Геомиром». Беспилотники работают в Краснодарском крае, Саратовской и Пензенской областях. Данные с дронов анализируются с помощью ИИ, что позволяет:

• оценивать фазы вегетации;
• контролировать густоту стояния растений;
• выявлять выпады, двойники и пропуски;
• диагностировать фитопатологии.

«Благодаря технологиям значительно повышается точность оценки и исключается человеческий фактор», — уточнили в пресс‑службе RUSEED.

Агрохолдинг «СТЕПЬ» использует цифровые решения и элементы ИИ для:

• мониторинга полей;
• анализа спутниковых и аэрофотоснимков;
• точного земледелия;
• создания цифровых карт полей;
• расчета норм внесения и оценки эффективности технологических процессов.

Часть инструментов дорабатывается внутри компании под конкретные культуры, регионы и технологии.

При этом в «СТЕПИ» подчеркивают, что ИИ не заменяет квалифицированного специалиста.

«ИИ — это инструмент в руках специалиста, который усиливает его экспертизу, но не заменяет ее. Понимание полевых процессов, специфики работы агронома, опыт, в том числе практической работы с культурами, а также способность принимать решения в нестандартных условиях остаются ключевыми. Распространение ИИ скорее повышает требования к квалификации агрономов: специалисту важно уметь работать с данными, интерпретировать их и использовать цифровые инструменты», — резюмировал Недужко.