О чем эта история

Биологический факультет МГУ вместе с консорциумом в составе ФНЦ имени Мичурина, Тамбовского государственного университета и агроинженерного центра ВИМ создали в Yandex.Cloud полноценную систему мониторинга и прогнозирования урожая.

Задача компании

В России на данный момент не существует методов точной оценки величины урожая и систем для прогнозирования урожайности, которые бы учитывали наши погодные условия и сортовые особенности плодовых культур. При планировании агрономы вынуждены полагаться только на собственный опыт и крайне ограниченный набор данных.

В мире задачи прогнозирования урожая, планирования ресурсов и организации сквозного процесса производства плодов помогает решить «точное садоводство» — комплексная высокотехнологичная система управления производством плодов, основанная на технологиях:

  • глобального геопозиционирования (GNSS);
  • геоинформационных систем (GIS);
  • дистанционного мониторинга состояния насаждений и урожая;
  • внесения удобрений и средств защиты растений сообразно реальным потребностям растений;
  • IT-систем поддержки принятия решений в садоводстве.

Этот комплекс технологий, объединённый в различных ИТ-системах, позволяет повысить урожайность и качество плодов, точнее планировать агротехнические операции, уменьшить негативное воздействие химических удобрений и пестицидов на окружающую среду. Всё это ведёт к оптимизации затрат, а значит и к повышению эффективности агробизнеса.

Биологический факультет МГУ уже давно занимается изучением важнейших проблем биологии и тесно соприкасающихся с ней проблем медицины, сельского и рыбного хозяйства, микробиологического производства, охраны биосферы и биотехнологии. Одним из направлений является дистанционный мониторинг растений. В 2020 году факультет вместе с консорциумом в составе ФНЦ имени Мичурина, Тамбовского государственного университета и агроинженерного центра ВИМ запустил работу над полноценной системой мониторинга и прогнозирования урожая.

Чтобы не разворачивать собственную инфраструктуру для хранения и обработки большого количества данных с помощью нейросетей и ML-алгоритмов, было решено использовать облачную платформу Yandex.Cloud.

Сбор данных

Для мониторинга растительности, в том числе культурных насаждений, применяются системы дистанционного зондирования из космоса, с самолетов, беспилотных летательных аппаратов. Этот подход хорошо показывает себя для полевых культур, но в саду нужно нечто большее, чем просто суммарная площадь листьев или их масса. Важно распознать и оценить буквально каждый плод, но съёмка с воздуха и тем более из космоса даёт недостаточно данных из-за низкого разрешения картинки.

В первую очередь нужны данные дистанционного зондирования — снимки растений, сделанные на разных расстояниях от них. Для сбора данных с близкого расстояния была разработана собственная робоплатформа, а также установлены камеры на имеющуюся технику, которая несколько раз в год объезжает все деревья в саду. Это позволяет получать фотографии в ходе всего вегетационного цикла, отображающие ключевые фазы развития растений: распускание листьев, цветение, завязывание и вызревание плодов — с учётом влияния внешних факторов. После того как трактор или платформа закончили объезд своей части сада, с них снимают камеры, подключают их к ноутбуку и загружают полученные фото в облачное хранилище. Туда же загружаются данные спутниковых снимков и снимков с беспилотников, если они есть. Например, многие хозяйства используют защитные сетки, что затрудняет съемку с БПЛА.

Кроме снимков, для полноценного мониторинга необходимы данные ГИС и геокоординаты для привязки полученных снимков к карте. Они используются для дифференциального сбора урожая, удобрения деревьев и применения защитных препаратов. Эти операции зависят от состояния растений, рельефа сада, характеристик почвы. В данный момент привязка GPS-данных производится вручную, но планируется использовать навигационные системы, которыми оборудованы тракторы.

Обработка данных в облаке

Для хранения и обработки такого большого количества данных используются различные сервисы Yandex.Cloud:

  • Yandex Object Storage — для хранения неограниченного объёма собранных данных, быстрого доступа к ним и последующей их обработки с помощью нейросетей и ML-алгоритмов.
  • Yandex DataSphere — для ML-разработки и получения прогностической модели. Сервис предоставляет все необходимые инструменты и динамически масштабируемые ресурсы для полного цикла разработки машинного обучения.
  • Yandex IoT Core — для обработки собранной телеметрии с IoT-устройств в почве и метеодатчиков.
  • Yandex Cloud Functions — для обработки телеметрии и создания новых сервисов. В перспективе разработка web-приложения, с помощью которого специалисты заказчика, хорошо знающие предметную область, смогут вносить дополнительные сведения, уточняющие прогнозы.
  • Yandex DataLens — для построения и предоставления пользователям аналитики и отчетов в веб-дашборде. С его помощью, например, демонстрируются метеоданные в виде графиков и таблиц, а также расположение деревьев на карте с оценками урожая.

Также были задействованы управляемые сервисы платформы данных Yandex.Cloud:

Использование всего пайплайна сервисов Yandex.Cloud позволило сосредоточиться на разработке системы мониторинга и робоплатформы и не отвлекаться на создание и поддержку инфраструктуры под неё. Система была протестирована на площадках в ботаническом саду МГУ и в экспериментальном саду ФНЦ имени Мичурина: от сбора данных с помощью робоплатформы, их хранения и обработки в Yandex.Cloud до аналитики и формирования отчётов в Yandex DataLens.

Также удалось собрать часть данных в питомнике ООО «Сады Ставрополья» и подтвердить, что система будет полезна не только хозяйствам, производящим плоды, но и питомникам, выращивающим посадочный материал. Построенная распределённая система мониторинга насаждений и урожая работоспособна.

Результат и планы

В настоящее время система позволяет определять такие важные параметры, как интенсивность цветения и обилие урожая (в расчёте на одно растение или на гектар). В будущем, после сбора достаточного набора эталонных данных, планируется добавить в систему функции определения:

  • качества яблок — их размера и зрелости;
  • однородности качества плодов внутри одной партии.

В ближайшие сезоны планируется территориальное масштабирование системы в ключевых точках российской «плодово-ягодной» географии, включая Ставропольский край, Курскую, Липецкую область. Необходимо накапливать и обрабатывать не просто большое количество информации, а согласованные данные, где каждой рассчитанной цифре соответствует результат полевого учёта. Для этого идёт работа над улучшением методов машинного обучения и организации ручной работы, такой как экспертная оценка, разметка изображений для нейросетей, проверка данных. Не менее важно заинтересовать самих участников рынка — так, чтобы они были готовы поделиться своими данными для создания общего регионального или федерального датасета.

Стратегическая задача — накопление комплексных данных от картинки до экспертной оценки для каждой точки сада и за весь период вегетации. Собрав данные за несколько сезонов, можно будет делать точные прогнозы. Они позволят хозяйствам и питомникам получать более выгодные условия по контрактам с торговыми сетями, по кредитам и субсидиям, минимизировать потери плодов и упущенную прибыль.

Мнение

Алексей Соловченко,
профессор кафедры биоинженерии МГУ, зав. лабораторией технологий точного садоводства ФНЦ им. И. В. Мичурина.
Алексей Соловченко,
профессор кафедры биоинженерии МГУ, зав. лабораторией технологий точного садоводства ФНЦ им. И. В. Мичурина.

На биофаке мы занимаемся фундаментальными вопросами. Дистанционный мониторинг растений — один из них. Использование экосистемы сервисов Yandex.Cloud позволило сосредоточиться на разработке системы мониторинга и собственной робоплатформы и не отвлекаться на создание и поддержку инфраструктуры под неё. Построенная распределённая система мониторинга насаждений и урожая была протестирована на площадках в ботаническом саду МГУ и в экспериментальном саду ФНЦ имени Мичурина: от сбора данных с помощью робоплатформы, их хранения и обработки в Yandex.Cloud до аналитики и формирования отчётов в Yandex DataLens.

Есть похожая задача?

Напишите нам

И мы оперативно расскажем о возможностях Yandex.Cloud для вашего бизнеса или подберём партнёра, который полностью реализует ваш ИТ-проект.

Связаться со специалистом Yandex.Cloud
Как к вам обращаться?
Телефон
Email
Компания
Частное лицо
Должность
Размер компании
Индустрия
Какую задачу вы хотели бы решить? (Опционально)

Партнёры, которые могут помочь