Для работы с сорняками на сельскохозяйственных полях используются нейросети, корректная работа которых основана на огромном количестве визуального материала
Программа «Есть решение» в процессе подготовки выпуска о роли науки в производстве безопасных продуктов, поговорила с Вячеславом Бурко, руководителем отдела внедрения компании «АссистАрго» ГК «Геомир». Вячеслав – нетипичный айтишник, который работает в полях и развеивает миф о консервативности сельского хозяйства. Одна из разработок компании – программа для скаутинга или, по-простому, обследования полей. Человеку не надо делать ничего, кроме как запустить дрон. БЕСПИЛОТНИК Он делает облет, фотографирует поле и растения на нем, и далее при помощи нейросетей программа определяет, что за сорняки находятся на поле и выдает предложение о том, как от них избавиться.
Как сделать так, чтобы нейросеть выдала точный результат? Какая самая большая проблема при работе с ИИ? Заставляем ли мы на самом деле компьютер думать за нас? Когда появилась первая нейросеть в мире и что мешало ей работать стабильно? Почему агрономы были первыми, кто использовал GSM-системы? И другое.
– Я знаю, что вы агроном. Как ваша жизнь в один момент так круто изменилась, что вы из агрономов перешли в айти-компанию?
– Да все очень просто. Меня нашли в HeadHunter, предложили поработать в одной организации, которая находилась на стыке айти и сельского хозяйства, я незамедлительно согласился. Но я не совсем айтишник, я не пишу код, однако прекрасно понимаю, как он работает и как строятся программы. Компьютер для меня всегда был хобби.
– А вы не жалели никогда, что пошли в айти?
– Нет-нет. Такого не было. Во-первых, мне это нравится, мне это по душе. Во-вторых, заработок.
– Работа в полях для вас как для айти-специалиста – это норма?
– Мне приходится очень часто выезжать на поля для сбора данных, для обучения клиентов. Когда идет сельскохозяйственный сезон, с марта по сентябрь, я очень часто нахожусь в полях.
– При работе с нейросетями очень важно правильно поставить им задачу. Если обучиться общению с ИИ, то можно перевернуть мир. Так ли это?
– Да, совершенно, верно. Нейросети на данный момент являются не просто приоритетным, а одним из главных направлений развития современного человечества, не каких-то отдельных отраслей производства.
Они позволяют переложить часть наших с вами умственных затрат на процесс автоматизации и заставить компьютер, скажем так, думать за нас. С одной стороны, звучит достаточно грубо, и вроде как мы у человека отнимаем нашу естественную способность мыслить, но, с другой стороны, это действительно так – нейросети выполняют определенные действия в рамках строго поставленной задачи.
То есть одну нейросеть придумали, чтобы она рисовала картины, другую – чтобы писала тексты. При этом Midjourney не напишет текст, а ChatGPT не сгенерирует картину. Нейросети достаточно специализированные, поэтому использование нейросетевых алгоритмов должно строиться на конкретной задаче. Нашей задачей было обучить нейросеть распознавать сорные растения.
– Вы сейчас в айти-компании засланный от аграриев казачок?
– Да-да. Как сказал мой знакомый: «Ты переводчик. Ты переводишь язык айти для фермеров на понятный им язык».
– Как сформулировать задачу? Ведь человеческий глаз иногда не определит один листочек от другого, а как это можно сделать компьютер.
– Во-первых, достаточно квалифицированный агроном прекрасно понимает и может идентифицировать растения, а если он это может сделать, то и нейросеть справится. Есть определенные условия, такие как строение листа, цвет листа, наличие, отсутствие иголок, разные виды цветков и так далее. То есть все это является своеобразными ключевыми якорными признаками, на основе которых мы обучаем нейросеть.
Самая большая проблема – это сбор данных. То есть для того, чтобы обучить нейросеть, надо собрать большое количество фотографий, в хорошем качестве и сделанных при правильном освещении.
– Освещение влияет на скаутинг?
– Да, совершенно верно, потому что признаков достаточно много. Одно и то же растение под разным освещением будет выглядеть по-разному. Скажу больше, на разных почвах в разных регионах одни и те же растения тоже могут выглядеть по-разному, и поэтому мы собираем большое количество этих фотографий. Это называется дата-сет. Потом мы используем его для обучения нейросети.
Полезный материал от редакции программы «Есть решение»! Рассказываем, как происходит обучение нейросети.
1. Человек размечает сделанные дроном фотографии,
2. Указывает, какие конкретно растения находятся на поле,
3. Разметка занимает большое количество времени, так как необходимо собрать достаточно большое количество этих фотографий,
4. Дальше нейросеть обрабатывает кропы (кусочки фотографий), на которых у нас сфотографирован тот или иной сорняк,
5. Когда мы много раз (3000-5000 раз) говорим нейросети: «Вот это такой-то сорняк», она уже сама начинает понимать и фиксировать определенные связи в данном кусочке фотографий с сорняком. В дальнейшем она делает это без наших подсказок.
– Сколько нужно загрузить фотографий, чтобы обучить нейросеть?
– Для начала обучения надо загрузить 5 000 фотографий и дальше до бесконечности. Чем больше фотографий мы скармливаем нейросети, тем лучше она определяет конкретный сорняк. Например, амброзию.
– Не каждая девушка может похвастаться такой фотосессией как амброзия!
– Именно!
– Эта технология сама по себе довольно неновая? К примеру, мы сейчас можем сфотографировать платье в магазине, загрузить его через поисковик по фото, и он находит. Это тот же принцип?
– Плюс-минус, да. Самые первые нейросети алгоритма появились еще в 1980-е года. То есть математическая основа для нейросетей. Большая проблема заключалась в том, что раньше мощности компьютеров не хватало, для того чтобы нормально обработать эту информацию. Поэтому когда компьютеры стали больше, мощнее, когда появились разные внутренние распределительные механизмы, то эта задача стала гораздо проще. Ее выявили не только на локальном устройстве. Это все переместилось в интернет-облако на крупных серверах, где мы можем ставить очень много оборудования, подключать мощное электричество. После этого пошел бум развития нейросетевых технологий.
– Он фотографирует все поле или конкретные точки?
– Конкретные точки, которые мы будем ставить. У нас есть несколько механизмов построения полетного задания для дрона.
– Но вы же не можете заранее знать, где будет амброзия?
– Да. Мы рандомно это делаем, либо у нас есть свободный режим полета. Дрон просто летит по полю и смотрит, какие сорняки у него есть. Амброзия, допустим, в рамках ВНИИКРа и Россельхознадзора не ищется на ранних стадиях, она ищется уже на более поздних стадиях.
– То есть как сейчас?
– Да-да, во время цветения. Сейчас он нам показывает высоту три метра. Инспектор вместо того, чтобы бегать по всему полю, просто поднимает дрон.
– Можно же и без программы поднять дрон и сфотографировать поле?
– А здесь другой момент. Если мы летаем в свободном режиме, мы тратим гораздо больше времени. То есть у дрона есть определенный алгоритм. Мы разбросали точки по полю, которые надо промониторить, дрон их облетел, сделал фотографии, и выдал нам необходимый результат.
– А если, например, был бы просто дрон, человек бы сидел, и каждую фотографию отсматривал, а так вы просто загружаете фото?
– Человек приходит на поле, запускает его, ждет пока дрон сделает фотографии и вернется, в это время фотографии уходят к нам на сервер, происходит обработка. Человек уже через 15 минут получает результат. То есть он на поле находит те или иные сорняки.
– А какая эффективность у этой программы? Насколько точно определяет?
– По нашим последним исследованиям для разных сорняков она разная. Точность составляет порядка 92-95%, что достаточно высоко.
– Кто ваши клиенты?
Среди наших клиентов есть как сельхозтоваропроизводители, так и Россельхознадзор, государственные организации. Плюс дистрибуторы пестицидов и ядохимикатов.
– Как на ваш взгляд эта отрасль сейчас цифровизируется?
– Очень сильно цифровизируется. То, что сельское хозяйство является консервативной отраслью – миф. На самом деле постоянно внедряются новые технологии. Фермеры, аграрии достаточно лояльно к этому относятся, потому что это позволяет им упростить для себя и так тяжелую работу. Ну и вообще цифровизация – это современная тенденция, которая идет достаточно сильно.
Первые GSM-системы (навигаторы) использовали фермеры после того, как военные отправили их в гражданский оборот. То есть сразу начали подключать тракторы для того, чтобы контролировать их на поле, начали подключать системы, которые позволяли обсчитывать площади, которые эти тракторы распахивают. Сейчас это все развилось до того, что точность многих систем навигации на тракторах составляет от 5 до 10 сантиметров, что позволяет избавиться от дополнительных обсевов, точно выстроить линии сева. Эти 5-10 сантиметров точности дают нам достаточно серьезную прибавку к урожаю. То есть одно дело на глазок, другое дело – с использованием современных технологий.
– Какой бы вы совет дали как предприниматель? Нужно ли вкладываться в технологии? Почему?
– Однозначно нужно вкладываться в технологии. Еще я бы посоветовал сельхозтоваропроизводителям заниматься цифровизацией и автоматизацией производства. В первую очередь, это влечет повышение рентабельности. В любом случае, это бизнес, и во главу угла мы ставим прибыль. Такое у нас общество, к большому сожалению, или, к счастью.