Команда студентов МАИ при поддержке почвоведов Московского государственного университета разработала систему аналитики «Агрометрикс» для сельского хозяйства. Она поможет снизить затраты на 15-25% и повысить урожайность на 10-20% за счёт уменьшения количества выездов на поля и точного распределения ресурсов. Проект разработан при грантовой поддержке Фонда содействия инновациям по конкурсу «Студенческий стартап».
«В реальности поля неоднородны. В то время как по краям угодий урожай демонстрирует отличный рост, в центре он может находиться в плачевном состоянии и при отсутствии оперативных действий — начать гибнуть. Наш сервис позволяет быстро находить проблемные зоны, грамотно расставлять приоритеты работ и тратить ресурсы исключительно по мере необходимости. По результатам уже проведённых работ точность анализа угодий составляет до 98%», — отмечает Иван Лебедев, руководитель проекта.
Платформа объединяет данные со спутников, метеостанций и топографические сведения для точного мониторинга состояния посевов, прогнозирования урожайности и подготовки советов по её повышению. Так, спектральные спутниковые системы позволяют косвенно оценить содержание хлорофилла в растительности или водный стресс. Радарные спутники, в свою очередь, «видят» сквозь облака. Система автоматически выполняет сбор, обработку и анализ данных без участия человека, что ускоряет принятие решений и снижает вероятность ошибок.
«В отличие от многих представленных на рынке решений, которые ограничиваются парой классических показателей, «Агрометрикс» использует набор спектральных и радарных признаков, чтобы комплексно оценивать состояние растений, динамику роста и стресс-факторы. Оптика помогает детально работать со спектральными индексами, а радар позволяет получать стабильный мониторинг даже в периоды облачности. При этом система учитывает историю поля и прогноз погоды, чтобы приоритизировать работы и оценивать риски для урожайности», — уточняет Иван.
Разработчики уже создали крупнейшую в России базу данных агрохимического обследования, включающую более шести тысяч проб почвы, собранных в Приморском крае. На основе этой информации команда тренирует собственные модели машинного обучения, с помощью которых строит карты-прогнозы. Команда учёных отмечает, что впереди их ждёт работа с тысячами проб различных типов почвы и адаптация системы к климатическим зонам, каждая из которых имеет свои особенности.
Источник: https://tass.ru/nauka/26216237