Экспертные заключения: 0
Консультации: 0

Экватор. Разработка системы севооборотов на основе цифровых технологий

Поект разрабатывает методы планирования севооборотов, которые не просто рассчитывают ротацию, а объясняют ограничения и учат агронома принимать решения

Проблема. Разработка севооборотов в настоящее время проводиться в ручную без учета многих значимых факторов, таких как контурность полей, удаленность от хозяйственных центров, состояния посевов за вегетационный период, почвенные и агрохимические условия территории. Применение алгоритмов машинного обучения способствует учет этих факторов в условиях динамики структуры посевных площадей и изменения специализации сельскохозяйственных предприятий.

34-47% нарушение ротации: вредители, истощение почвы, потери урожайности

63% уровень цифровизации в агросекторе

до 500 тыс. руб. штрафы за нарушение севооборотов

70% недовольство IT-решениями

Решение. Разработка севооборотов с применением алгоритмов машинного обучения планируется осуществлять на основе агроресурсной базы данных сельскохозяйственного предприятия. Современными цифровыми технологиями предполагается определять размер полей севооборота, ротацию культур в севообороте, элементов устройства севооборотов.

Эффекты. У величение урожайности на 20-30%, снижение затрат на приобретение удобрений, средств защиты растений, горюче-смазочных материалов на 10-15%

Целевая аудитория. Сельскохозяйственные товаропроизводители с высокой культурой земледелия и уровнем внедрения современных цифровых технологий. Предприятия, заинтересованные в автоматизации производственных процессов и эффективном информационном обмене с федеральными информационными системами (ФГИС “Зерно”, ЕФГИС “Зерно”, системы Россельхозцентра).

Технологический барьер.

Технологическое ядро. стек тенология

Новизна.

1. Создание цифровой базы агроресурсных данных сельскохозяйственного предприятий

2. Разработка модели проектирования севооборотов методами машинного обучения: алгоритмами кластеризации и классификации

3. Верификация модели на передовых сельскохозяйственных предприятиях Свердловской области

РИД: предпатентная подготовка

Ссылка

На страницу проекта

Направление

Сельское хозяйство

Рынки

TechNet, FoodNet

Сквозные технологии

Новые производственные технологии, Технологии хранения и анализа больших данных