Нейросеть оптимизирует севооборот
«Ингосстрах» разработал нейросеть, которая поможет растениеводам увеличивать рентабельность при планировании посевов.
Планирование севооборота – очень технологически сложный процесс. Нужно учитывать множество факторов: состав и сочетание выращиваемых растений, тип и состояние почвы, применяемые агрохимикаты, климат, сроки посева, а также экономические показатели – цены на семена, удобрения, затраты на труд и страхование рисков. При большом земельном банке просчитать все комбинации очень сложно. На помощь приходят цифровые технологии.
ИИ учтет все особенности поля
ИИ-модель для оптимизации севооборота разработала компания «Ингосстрах». Перед нейросетью поставлена задача увеличивать маржинальность при планировании посевов. Цифровая платформа использует математические алгоритмы и находит для каждого поля оптимальные варианты посева культур, учитывая все агрономические параметры.
После всех расчетов цифровая платформа должна предложить агроному наиболее рентабельные сценарии, которые дадут максимальный потенциальный урожай и высокий доход на вложенные средства.
«Проработав в агрономической науке более десяти лет, могу с уверенностью сказать: научно обоснованный севооборот – фундамент, на котором стоит всё растениеводство. На практике эту задачу приходится решать вручную, опираясь на опыт и интуицию. Модель переводит её в алгоритмическую плоскость и позволяет одновременно учитывать десятки агрономических и экономических параметров. Именно это открывает хозяйствам доступ к резервам маржинальности, которые раньше оставались невидимыми», – подчеркнул Сергей Шебяковский, руководитель проекта центра развития искусственного интеллекта компании «Ингосстрах».
Найти дополнительную прибыль
Эффективность разработанной ИИ-модели проверили на практике при реализации совместного пилотного проекта компании «Ингосстрах» с крупным агропромышленным холдингом. В шести хозяйствах анализировались базы данных, включающие структуру посевных площадей, характеристики полей, климатические условия, факторы обработки почвы и показатели по культурам. Нейросеть оценила рентабельность работы и выявила участки с неиспользованным потенциалом, позволяющим оптимизировать структуру посевов. В итоге ИИ-модель выявила потенциал дополнительной прибыли холдинга в 843 миллиона рублей.
В целом, по оценке экспертов, грамотное планирование севооборота позволяет снизить затраты на удобрения на 15-20% за счёт сбалансированного поддержания плодородия почвы, сократить применение пестицидов на 30-40% благодаря прерыванию жизненных циклов вредителей и сорняков, и уменьшить затраты на обработку почвы на 10-15% за счет правильного выбора культур и учета истории поля. Именно для таких масштабных расчетов и нужен ИИ. При этом, как отметил генеральный директор агрохолдинга «Степь» Андрей Недужко, ИИ-платформа не становится заменой агроному. Конечное решение всегда принимает человек, а нейросеть является только его инструментом, помогающем провести максимально детальный и точный анализ.
Созданная цифровая платформа будет использоваться и в других хозяйствах. Планируется дальнейшее обучение нейросети, которая постепенно станет универсальной. «Задача была сформулирована предельно конкретно: понять, есть ли в текущем планировании севооборота неиспользованный экономический потенциал и можно ли его измерить. В результате мы получили работающий подход, который можно масштабировать и на другие задачи АПК», – подчеркнула менеджер проектов центра развития искусственного интеллекта «Ингосстраха» Василиса Трубинова.
Цифровые системы принятия решений в АПК
Новая разработка показывает, что в российском АПК цифровые платформы трансформируются из систем учета и мониторинга ресурсов в комплексы, рассчитывающие оптимальные сценарии производства и помогающие принимать управленческие решения. Это снижает риск ошибок, повышает эффективность использования земельного фонда и увеличивает экономическую отдачу от сельхозпроизводства. В условиях меняющегося климата именно ИИ-системы, обученные на больших данных, могут точно прогнозировать риски и предлагать сценарии для адаптации к новым условиям. Ключевое преимущество нейросети – способность одновременно учитывать в расчетах и агрономические, и финансовые показатели.
В дальнейшем ИИ-модели для оптимизации севооборота будут интегрироваться в общий производственный контур компании, помогая совершенствовать внутренние процессы, переходить к data-driven управлению и формировать системы точного, или «умного» земледелия.
Российская IT-отрасль получает новый сегмент для развития рынка прикладного ИИ. Решения для АПК на основе анализа больших данных и машинного обучения становятся отдельным направлением работы. Создаваемые продукты будут востребованы не только у российских аграриев, но и у коллег из дружественных стран, где нужно решать похожие задачи: эффективно управлять большими земельными массивами, прогнозировать урожайность и снижать затраты на производство.
