Как нейросети меняют агропромышленный комплекс
Сельское хозяйство — отрасль консервативная: аграрии привыкли к механизированному труду, поэтому новые технологии внедряются медленно. Но Башкирский государственный аграрный университет взялся изменить существующее положение вещей. Здесь создали научно-инновационную лабораторию интеллектуальных систем (НИЛИС), где студенты и аспиранты «учат» компьютеры распознавать сорняки, измерять свиней в движении и считать бобы на горохе за пять минут вместо трех часов. Корреспондент «РБ» побывала в лаборатории, чтобы понять, когда искусственный интеллект выйдет на поля республики.
Три часа = пять минут
В лаборатории интеллектуальных систем, которой заведует кандидат технических наук Алексей Катков, работают одновременно над двумя большими направлениями в рамках проекта «Приоритет-2030». Одно из них — цифровая платформа «Помощник селекционера» на примере гороха.
Это приложение, которое по фотографиям растения быстро и с высокой точностью распознает все его части: подсчитывает количество бобов, измеряет длину стебля, определяет расположение продуктивных узлов. Раньше селекционеры занимались этим по старинке — измеряли обыкновенной линейкой, заносили данные в блокнот.
— Мы проанализировали 25 образцов одного сорта гороха втроем, и работа вручную заняла без перерыва три часа, — рассказывает аспирант кафедры электрических машин и электрооборудования, стажер-исследователь НИЛИС Алексей Казьмирук. — С помощью искусственного интеллекта время на нее сократилось до пяти минут: достаточно сделать фото, загрузить в систему и дождаться результата анализа. Точность — около 90 процентов, но мы планируем довести ее до 95.
Анализируя все эти данные, селекционеры смогут в сжатые сроки делать полное описание сорта гороха, а затем принимать решение о том, какие образцы скрещивать друг с другом, чтобы получить новый сорт с заданными признаками.
Для сбора данных ученые используют целый комплекс лабораторий Центра агронетики БГАУ. В одной из них установлены климатические камеры «Спектр», где горох выращивают круглый год, получая по четыре-пять урожаев вместо одного полевого.
— Раньше селекция была завязана на сезон: весной посадили, осенью собрали, зимой простаивали, — рассказывает Алексей. — Теперь работа идет постоянно. С момента открытия этого комплекса осенью прошлого года мы уже получили несколько поколений гороха.
Рядом расположена сенсорная зона: поворотная платформа, две камеры, автоматическое позиционирование. Растение сканируют с шагом 45 градусов и на нескольких ярусах — до 128 снимков одного экземпляра. Это позволило не только увеличить объем данных для анализа, но и перейти к 3D-моделированию. В перспективе — анализ зеленых растений в динамике (как растут, когда появляются цветки и плоды).
Следующий шаг — работа с фитотроном — специальной автоматизированной системой, которая позволит поставить анализ образцов на поток.
Приложение для селекционеров по сухому гороху, по словам Алексея Казьмирука, планируется выпустить уже к концу этого месяца. Оно будет работать на смартфонах: сфотографировал растение — получил полный анализ. Интерфейс обещают сделать простым, «четыре кнопки», чтобы даже пожилой селекционер, привыкший к блокноту, смог его освоить без помощи молодежи.
И главное: когда университет только претендовал на грант «Приоритета-2030», задачей стратегического проекта было вывести три новых сорта гороха. В прошлом году он переориентировался с чисто селекционного на цифровой. Теперь цель шире — создать технологию, которую можно тиражировать на всю Россию.
Как рассказали в лаборатории, министр сельского хозяйства страны Оксана Лут уже обратила внимание на уфимскую разработку и предложила открыть на базе БГАУ Центр цифрового фенотипирования России, где будут анализировать все основные культуры для сельского хозяйства.
Хрюшка под камерой
Второе большое направление — животноводческое. В лаборатории создается цифровая платформа для бонитировки свиней. Что это такое и зачем необходимо?
Через селекционно-генетические центры в животноводческих комплексах проходят десятки тысяч животных. Селекционеру на определенном этапе нужно отобрать лучших: кого оставить на племя, кого отправить на мясо. Специалисты ориентируются на внешние признаки: постановка ног, количество сосков и другие. Если ошибиться и пустить на разведение животное с плохими признаками, это быстро скажется на стаде.
— Сейчас селекционер загоняет свинью в станок, берет рулетку, измеряет, считает, — объясняет сотрудник лаборатории. — Но животное весит под 200 килограммов, оно нервничает, двигается. Для человека это процесс долгий и небезопасный.
Субъективный фактор тоже никто не отменял.
Станок же, который ученые решили оснастить несколькими камерами, в считаные секунды считывает параметры хрюшки. Это позволяет значительно увеличить скорость анализа поголовья.
Разработка уже тестируется в селекционно-генетическом центре группы компаний «Таврос» — стратегическом партнере БГАУ. В планах — полностью автоматизировать процесс бонитировки.
— Проблема в том, что у нас четыре камеры, а процессор пока обрабатывает только две, — признаются разработчики. — Нужно сшить данные в единую 3D-модель.
Но это решаемо, тем более что подобные технологии уже работают в Москве (например, для выявления хромоты у коров). Уфимский университет не изобретает велосипед, но в российском вузовском сегменте по комплексности и точности решения, по оценке самих разработчиков, лидирует.
— На реализацию этих двух стратегических проектов аграрный университет получил 100 миллионов рублей в рамках «Приоритета-2030». Но в сельском хозяйстве очень много мест, куда еще можно приложить искусственный интеллект, компьютерное зрение, — подчеркивает заведующий НИЛИС Алексей Катков. — Контроль опоросов, определение хромоты у коров, ранняя диагностика болезней, оценка массы животного по экстерьеру. Мы сейчас параллельно ведем восемь проектов с компанией «Таврос». А по растениям следующий этап — выйти в поле: сделать мобильную платформу, которая будет обследовать делянки уже в условиях стресса, ветра, перепадов температур.
«Зрение» для агродрона
В общую тенденцию укладывается и собственный проект одного из стажеров-исследователей НИЛИС Раиля Гарифуллина. Молодой ученый родом из Илишевского района. На бакалавриате он отучился в УУНиТ по специальности «Мехатроника и робототехника», а сейчас заканчивает магистратуру на кафедре теплоэнергетики и физики БГАУ. Потом планирует продолжить образование в аспирантуре. На вопрос, почему решил перейти в аграрный университет, отвечает просто: «Здесь я могу применить свои знания в сфере, где действительно не хватает технологий».
В январе этого года Раиль выиграл грант «Студенческий стартап» от Фонда содействия инновациям в миллион рублей на свой проект AgroVision Shield. Разработка заточена на распознавание сорной растительности с помощью компьютерного зрения.
— Я обучаю нейросеть на тысячах фотографий сорняков, — показывает магистрант картинку на ноутбуке. — Затем эта программа будет внедряться в агродрон или самоходную платформу, которые смогут в реальном времени их выявлять.
Зачем это нужно? Сегодня поля сплошь обрабатывают гербицидами: химия не только уничтожает сорняки, но и попадает на полезные культуры. Минусы очевидны: экология страдает, качество продукции падает, а сорняки постепенно вырабатывают иммунитет. Механическая обработка экологичнее, но требует сложной техники и больших трудозатрат.
— Бизнесу выгодно то, что дешевле и качественнее, — рассуждает Раиль. — Наша система позволит уничтожать сорняки точечно, механически или химически, в зависимости от ситуации. В любом случае она сэкономит силы, время и гербициды, а также снизит химическую нагрузку на землю.
Магистрант уже написал код программы, а этим летом планирует поработать на полях родного района — собрать более полный датасет (коллекцию изображений для обучения нейросети). Затем Раиль приступит к внедрению программы в дрон или самоходную платформу. Ее он тоже хочет собрать сам. К весне следующего года надеется завершить все работы и провести испытания в реальных условиях.
Рулетка и блокнот уходят в прошлое. В БГАУ нейросеть считает бобы в 36 раз быстрее человека, а 200-килограммовую свинью измеряет за секунды. Своими руками это делают магистранты, аспиранты и молодые ученые — те, кто полюбил агронауку. Совсем скоро «умная» камера выйдет на поля республики. И тогда слова «цифра вместо рулетки» перестанут быть метафорой и превратятся в реальность.
СПРАВКА
Что такое компьютерное зрение (Computer Vision)?
Это раздел искусственного интеллекта, который учит машины «видеть» и анализировать изображения. Нейросеть пропускает через себя тысячи размеченных вручную фотографий (например, сорняк — не сорняк), находит закономерности и потом самостоятельно распознает объекты в реальном времени. В сельском хозяйстве используется для распознавания болезней растений, подсчета плодов, оценки упитанности животных и многого другого.