Проект направлен на разработку облачного сервиса, использующего технологии компьютерного зрения для точного земледелия, предназначенного для автоматической идентификации подсолнухов подлежащих прополке.

Актуальность разработки обусловлена необходимостью точного мониторинга засоренности полей для повышения урожайности культуры.

Научная новизна проекта заключается в разработке гибридной архитектуры системы искусственного интеллекта на основе методов глубокого обучения для одновременного обнаружения и идентификации сорняков в условиях высокой вариативности фона. Техническая новизна выражается в реализации полностью облачной платформой для минимизации задержек при обработке данных и минимизации затрат на интеграцию.

Основные задачи включают:

1) сбор и маркировку датасета изображений подсолнечника и сорняков

2) разработку алгоритмов машинного обучения

3) создание облачной платформы обработки данных и API

4) разработку прототипа приложения.

ожидаемые результаты - разработанные алгоритмы машинного обучения, интегрированные в сервис для пакетной обработки данных, что повысит точность фертильной прополки до более 90%, а следовательно и урожайность.

Области применения: точное земледелие, цифровизация процессов защиты растений, мониторинг полей в процессе фертильной прополки.

Потенциальные потребители - сельхозпроизводители (около 151,2 тысячи по данным Росстат за 2021 год) и поставщики агротехнологий.

На страницу проекта