ООО "ПрофАгро" стало резидентом Сколково в 2022 г с проектом "Умное сельское хозяйство", который позволяет использовать инструменты искусственного интеллекта в сельскохозяйственных предприятиях и агрохолдингах для более эффективной работы агрономов и управленческого персонала.

    Создание модуля искусственного интеллекта «Умное сельское хозяйство», обученного на снимках NDVI, полученных космических спутников Santinel и снимков с БПЛА, с использованием данных погоды, вида почв и выращиваемых культур для определения количества и вида вносимых удобрений.
Далее эта информация будет передаваться на бортовой компьютер трактора для выполнение дифференцированного внесения удобрений. Полученная информация позволит уменьшить количество вносимых удобрений и повысить урожайность.
Для построения нейросети, способной анализировать снимки и определять оптимальное внесение
удобрений, планируем выполнить несколько основных шагов:
1. Сбор данных: Собираем набор данных, состоящий из спутниковых снимков или снимков с БПЛА, а также соответствующих параметров удобрений (азот, фосфор, калий и другие), которые были применены на этих участках. Данные содержат данные погоды, состава почв, видов удобрений и выращиваемых культур .
2. Предобработка данных: Выполним предобработку снимков, например, исправление геометрических и атмосферных искажений, масштабирование и нормализацию данных. Разделим данные на обучающую, валидационную и тестовую выборки.
3. Выбор архитектуры нейросети: совместно выберем подходящую архитектуру нейросети для вашей задачи. Возможно, стоит использовать сверточные нейронные сети (CNN) или сети с преобразованием аттеншена для анализа пространственных и спектральных характеристик снимков.
4. Обучение нейросети: Обучим нейросеть на обучающей выборке, используя подходящий алгоритм оптимизации и функцию потерь. В процессе обучения отслеживаем ошибку на валидационной выборке, чтобы избежать переобучения и выбрать лучшую модель.
5. Оценка производительности: Оценим производительность нейросети на тестовой выборке,
используя метрики, такие как средняя абсолютная ошибка (MAE), среднеквадратичная ошибка (MSE) или коэффициент детерминации (R^2). Это позволит понять, насколько хорошо модель может предсказывать оптимальное внесение удобрений.
6. Модель будет проходить экспертный ассесмент ведущими специалистами в области сельского хозяйства (центром точного земледелия Кубанского государственного аграрного университета имени И.Т. Трубилина КубГАУ).
7. Внедрение и использование модели: Интегрируем обученную нейросеть в информационную систему или приложение для анализа новых снимков и предоставления рекомендаций по внесению удобрений на основе этих данных.

Наши контакты:

Сайт    www.profagro.pro
Email   proftek@proftek.org
Телефон   (8652) 316-568

Лидер проекта:
Олифиренко Алексей Павлович 
+7-928-971-27-32
proftek@proftek.org

#инвестиционно_привлекательный

На страницу проекта