ВойтиСтавропольские учёные разрабатывают ИИ-решения для агродронов и прогноза урожая
Северо-Кавказский федеральный университет реализует три проекта Российского научного фонда, связанных с умным земледелием и цифровыми технологиями. Разработки охватывают беспилотные системы, мониторинг тепличных комплексов и прогнозирование урожайности. Они адресованы аграрной отрасли и должны повысить стабильность производства продуктов питания.
Умное земледелие объединяет интернет вещей, спутниковую обработку изображений и беспилотные летательные аппараты для получения данных в реальном времени и автоматизации сельхозработ. Технологии позволяют анализировать состояние почвы и растений, выявлять проблемные участки, точнее вносить удобрения и быстрее реагировать на изменения внешних условий. Для аграрных регионов, включая Ставропольский край и Северный Кавказ, такие решения связаны с продовольственной безопасностью и цифровизацией АПК.
«СКФУ системно развивает исследования на стыке математики, искусственного интеллекта, сенсорных сетей и прикладных задач агропромышленного комплекса. Мы поддерживаем проекты, которые ориентированы не только на научный результат, но и на последующее внедрение в реальный сектор, в том числе в партнёрстве с предприятиями. Такая работа отвечает национальным задачам технологического развития России и внедрения отечественных решений в экономику», — отметила ректор СКФУ профессор Татьяна Шебзухова.
Проектами руководят: ведущий научный сотрудник департамента науки СКФУ Диана Калита, ведущий научный сотрудник департамента науки Владимир Федоренко и младший научный сотрудник департамента науки Валентина Арустамян.
Первый грант предусматривает разработку энергоэффективных краевых нейро-гибридных архитектур для систем беспилотного транспорта. Исследователи считают, что массовому внедрению беспилотных систем мешает ограничение бортового оборудования по энергии: сложные алгоритмы искусственного интеллекта требуют больших ресурсов. Проект предусматривает создание компактных и отказоустойчивых бортовых модулей с динамическим управлением ресурсами, адаптивным машинным обучением, оптимизацией и встроенной безопасностью. Такие решения могут применяться в автономных системах, робототехнике и IoT, а в агросфере — в беспилотниках для мониторинга посевов.
Второе проект связан с умными теплицами. Он выполняется совместно со Ставропольским государственным аграрным университетом. Индустриальный партнер — тепличный комплекс «Солнечный Дар». Совместными усилиями ученые создают систему мониторинга тепличный растений. Она будет помочь выявить производственные проблемы, согласовать параметры сети наблюдения, а затем внедрить модели, методики и программные решения непосредственно на площадке партнёра. В основе работы лежат беспроводные сенсорные сети и математические методы, которые позволяют надёжно собирать и передавать данные от датчиков на центральную станцию.
Третий грант посвящён высокоточной системе прогнозирования урожайности на основе анализа вегетационных данных. Исследователь собирает мультиспектральные данные со спутника и обрабатывает их с использованием вегетационных индексов. Это показатели, по которым можно судить о состоянии почвы и растений, их обеспеченности водой, а также времени внесения удобрений. В проекте также разрабатываются методы машинного обучения, включая трансформерные архитектуры, для интеграции данных БПЛА, спутников и агрометеорологических источников. Ожидаемый результат — устойчивая к пропускам данных прогностическая модель, которая позволит точнее оценивать состояние культур и заранее планировать агротехнические мероприятия. Это даст аграриям инструмент для упреждающего управления урожаем.
«Наша задача — выявить проблемные места в технологиях аграрного мониторинга и обеспечить эффективное использование сетей и средств наблюдения с применением ИИ-анализа. Практический эффект таких решений — более высокий урожай за счёт точечного воздействия питательными веществами на растения, своевременной реакции на погоду и получения более качественного продукта. Разработки важны тем, что позволяют сделать сельское хозяйство более точным и управляемым — от сбора данных до принятия решений в поле или теплице», — пояснила Диана Калита.
Сейчас проекты находятся на этапах создания моделей, алгоритмов и прикладных программ. Затем последует апробация и внедрение. Проект по прогнозу урожайности планируют завершить в 2027 году, а другие два, финансируемые Российским научным фондом, рассчитаны до 2029 года.
