Опыт внедрения системы «АссистАгро» в АО «Орбита» для автоматизации подсчета густоты посевов

— Павел Юрьевич, как Вы пришли к внедрению цифровизации в хозяйство?

— Тема цифровизации в сельском хозяйстве обсуждается уже не первый год. Мы внимательно изучаем предложения рынка, оцениваем продукты различных компаний и постепенно внедряем наиболее эффективные инструменты.

Одной из ключевых задач для нас стал точный подсчёт густоты посевов. Компания «Геомир» предложила попробовать платформу «АссистАгро», и мы приняли решение протестировать её в реальных условиях хозяйства.

— Как сегодня сельхозтоваропроизводители подходят к оценке густоты? Насколько существующая практика соответствует реальным производственным задачам?

— В большинстве хозяйств контроль густоты проводится выборочно. Мы же изначально выбрали вести строгий учёт. Подсчёты выполняли агрономы, также привлекались студенты, чтобы минимизировать возможную субъективность.

Однако объём работ значительный: полный анализ посевов может занимать до двух недель. В условиях высокой нагрузки агрономической службы такой подход затруднителен, поэтому зачастую контроль осуществляется выборочно.

На мой взгляд, полученные вручную данные не всегда отражали реальную картину. Именно поэтому мы решили протестировать инструмент на основе искусственного интеллекта, который позволяет получать объективные и точные результаты.

— В рамках пилотного проекта агрономическая служба изначально не была проинформирована о проведении съёмки и автоматического анализа. С чем было связано такое решение?

— Это была моя инициатива. Я хотел сохранить чистоту эксперимента и избежать предвзятого отношения к результатам. Это ни в коем случае не связано с недоверием к специалистам – исключительно с желанием получить максимально объективные данные.

По итогам сравнения в ряде культур результаты ручных замеров и работы нейросети совпали, а по некоторым отличались практически вдвое.

— Какие выводы Вы сделали из этого сравнения?

— Там, где густота ниже и растения проще визуально идентифицировать, например, подсолнечник, данные совпали. Это подтверждает корректность работы агрономической службы.

Однако по культурам с высокой густотой – рапс, лён, соя – расхождения были значительными. Лично я склонен доверять данным нейросети. Например, так называемые «двойники» агрономы зачастую учитывают как два растения, хотя фактически потенциал урожайности у них ниже. Нейросеть оценивает их как одно полноценное растение, что, на мой взгляд, более корректно с точки зрения прогноза урожайности.

— Как отреагировали агрономы на результаты?

— Абсолютно конструктивно. Они заинтересованно сравнили данные, сделали выводы и выразили готовность использовать инструмент в дальнейшей работе. При нагрузке порядка 10 000 гектаров на одного специалиста физически невозможно провести детальный ручной анализ каждого поля.
Такой цифровой инструмент существенно экономит время и помогает оперативно выявлять причины отклонений – проблемы с нормой высева, качеством посева, семенным материалом или воздействием вредителей.

— Если говорить о традиционном подходе: сколько времени требуется агроному для анализа густоты на поле площадью 100 гектаров?

— При текущей нагрузке провести тщательный анализ практически невозможно. Это требует значительных временных ресурсов, которыми специалисты не располагают. Для сравнения: с помощью дрона облёт поля площадью 100 гектаров занимает 30-40 минут. Обработка данных и формирование отчёта нейросетью происходит в течение суток.

— Параллельно в проекте тестировался модуль поиска сорной растительности. Как Вы оцениваете его практическую ценность?

— За годы работы мы выстроили устойчивую систему защиты растений, которая позволяет эффективно контролировать широкий спектр сорняков. Однако дополнительная аналитика всегда полезна. Особенно интересна возможность повторного облёта через одну-две недели после обработки для оценки эффективности применённых гербицидов. С учётом того, что средства защиты растений являются одной из крупнейших статей затрат, даже 5% экономии дают ощутимый финансовый эффект.

При этом стоит учитывать необходимость гибкой системы закупок: чтобы оперативно применять рекомендованные препараты, хозяйство должно иметь достаточный складской запас или быстрый доступ к поставкам.

— Отдельное направление – дифференцированное внесение. Как Вы оцениваете перспективы этого решения?

— Это одно из наиболее интересных направлений. Дифференцированное внесение позволяет рационально использовать как средства защиты растений, так и удобрения.
Я считаю целесообразным начинать с небольших площадей, оценивать экономический эффект, а затем масштабировать технологию. Важно учитывать и техническую готовность хозяйства: необходимо наличие соответствующей техники. Такие инвестиции значительны, однако при грамотном подходе они оправданы.

— В прошлом сезоне погодные условия существенно осложнили проведение полевых работ. Насколько актуальна для Вас тема применения агродронов в таких ситуациях?

— В прошлом году мы не столкнулись с критическим дефицитом техники, однако погодные риски остаются серьёзным фактором. Например, в период уборочной кампании нам пришлось приостанавливать работы почти на две недели из-за неблагоприятных условий.
В перспективе, если технологии агродронов для внесения средств защиты будут активно развиваться, крупные хозяйства, вероятно, будут формировать собственные подразделения для работы с такими решениями.

— В этом сезоне планируется продолжение тестирования «АссистАгро», в том числе по определению приоритетности уборки и прогнозированию урожайности. Насколько это важно для хозяйства?

— Это крайне важный инструмент. В зоне рискованного земледелия своевременное принятие решений по уборке критично. Возможность объективно определить, какие поля требуют первоочередной уборки, позволяет минимизировать потери.

Не менее значим точный прогноз урожайности. Он необходим для планирования логистики, загрузки элеваторов и взаимодействия с приёмными пунктами. Если система позволит достоверно оценивать потенциальный объём урожая, это станет серьёзным управленческим преимуществом для хозяйства.

— Из каких этапов состояла работа с АО «Орбита»?

— В первую очередь были выявлены потребности сельхозпредприятия – подсчёт густоты посевов и мониторинг сорной растительности. Затем на одном из хозяйств холдинга мы стали осуществлять пилотный проект. Наши специалисты выполнили облёт агродронами и провели обучение для сотрудников. Данные агрономов сравнили с данными нейросети из платформы «АссистАгро». Таким образом, нашли потенциал роста качества осмотров за счёт функциональности ИТ-системы.

Мы планируем продолжать сотрудничество – развивать направление дифференцированного внесения удобрений и СЗР, тестировать модуль прогнозирования урожайности и приоритетов уборки. АО «Орбита» заинтересовано в использовании системы во всех хозяйствах холдинга.

— С какими сложностями Вы сталкиваетесь при внедрении системы «АссистАгро»?

— Сначала агрономы скептически относятся к точности технологий. Но на скепсис система отвечает качественным результатом работы нейросетей, что подстегивает интерес к решению.

— У многих сельхозтоваропроизводителей возникает закономерный вопрос: кто будет работать с агродронами и цифровыми решениями? Особенно если в хозяйстве трудятся специалисты старшего поколения, которым сложно адаптироваться к новым технологиям и инструментам на базе нейросетей. Что Вы думаете по этому поводу?

— Компания «Геомир» системно решает этот кадровый вопрос. По всей России реализуются совместные образовательные программы с аграрными вузами. В частности, в Алтайском государственном аграрном университете открыт специализированный класс «Геомир», где студентов обучают работе с беспилотной авиацией и цифровыми технологиями в сельском хозяйстве.

Так, в компании «Орбита» полёты и обработку данных выполняли студенты АлтГАУ. Подготовка таких специалистов ведётся при поддержке системы аграрного образования и Министерства сельского хозяйства – сегодня обучение в сфере беспилотной авиации становится одним из приоритетных направлений.

Компания «Геомир» готова предоставлять предприятиям практикантов и молодых специалистов, владеющих современными технологиями и способных оперативно доводить результаты мониторинга до руководства и агрономических служб. Подобная модель уже успешно реализована в АО «Орбита».

— Расскажите подробнее про систему «Ассист-Агро».

— «АссистАгро» – это единая облачная платформа и приложение для контроля и автоматизации процессов сельхозпредприятий с интегрированными системами на базе ИИ. Решение сочетает беспилотные технологии, нейросети и автоматизацию передачи данных, что позволяет хозяйству получать точные результаты в кратчайшие сроки.

Ключевым элементом является модуль FMS – система мониторинга техники на основе телематического оборудования. Платформа фиксирует перемещение машин, объёмы выполненных работ, соблюдение технологических карт и отклонения. Интеллектуальные алгоритмы анализируют данные и помогают выявлять неэффективность.

По каждому полю формируется цифровой профиль: история операций, прогноз фенофазы, результаты осмотров, окна опрыскивания и рекомендации. ИИ сопоставляет фактические данные с планом и сигнализирует о нарушениях.

Сервис автоматического анализа спутниковых снимков нейросетями по всей России позволяет определить контуры полей, культуры, а также осуществить контроль зарастания и деградации земель.
На основе спутниковых данных, карт урожайности, агрохимических обследований и треков комбайнов формируются карты дифференцированного сева и внесения. Система передаёт задания в автопилоты и БПЛА через API или позволяет выгружать их вручную. Использование оптимальных треков снижает перекрытия, экономит ресурсы и рабочее время.

Система также обеспечивает контроль движения ГСМ и ТМЦ – от склада до бака техники. Фиксируются объёмы, маршруты, остатки и фактический расход на гектар. Аналитический модуль выявляет отклонения и при несанкционированных действиях мгновенно уведомляет о месте события.
Учёт семян, СЗР и продукции ведётся поштучно через QR-коды и мобильное приложение. Данные автоматически формируют складские документы и упрощают передачу информации в ФГИС.
Ежедневно ИИ формирует краткую текстовую и голосовую сводку по хозяйству и направляет её в рабочий чат команды.

— А как «АссистАгро» работает с БПЛА?

— Система формирует полётное задание, после чего дрон выполняет облёт поля. Полученные снимки анализируются нейросетью: определяется густота посевов, состав и фазы развития сорняков, выявляются стресс-факторы и проблемные зоны.

Мобильное приложение позволяет проводить скаутинг даже без доступа к интернету: данные можно вводить вручную или фиксировать фото для автоматического распознавания растений, вредителей и болезней.
На основе анализа система формирует экономически обоснованный план обработки с учётом ЭПВ и применяемых препаратов. Создаются карты дифференцированного внесения для техники или дронов с разными нормами по зонам поля.

Повторный мониторинг позволяет оценить фактическую эффективность обработки и скорректировать технологию.