Алгоритм следит за урожаем

Воровство урожая — серьезная проблема для многих сельскохозяйственных компаний. Российская компания Data Nerds разработала решение на основе алгоритмов искусственного интеллекта, которое позволяет эффективно бороться с подобными хищениями. В ближайшее время новую разработку предполагается внедрять не только у российских заказчиков, но и в других странах.

Внедрение искусственного интеллекта имеет большой потенциал в агропромышленном комплексе. Так считают в российской компании Data Nerds, которая была недавно создана выходцами с факультета вычислительной математики и кибернетики МГУ (ранее работавшими в «Яндексе» и Mail.ru Group), а также выпускниками Российской экономической школы (РЭШ).

Держи вора!

Специалисты Data Nerds выяснили, что российские сельскохозяйственные компании теряют на воровстве порядка 10% выручки, и задумались над разработкой решения, способного бороться с этой извечной российской бедой. «Ранее в российских аграрных компаниях с воровством пытались справляться с помощью камер, за изображением с которых следят сотрудники охранных предприятий. Но этот метод является не очень эффективным, так как внимание охранников не может уследить за всеми нарушениями. Вместо человеческого контроля мы решили использовать алгоритмы машинного зрения и достигли хороших результатов», — рассказывает Александр Воробьев, исполнительный директор компании Data Nerds.

Решение построено следующим образом: в бункере, куда поступает зерно, устанавливается камера. Далее алгоритм по изображению вычисляет уровень поступающего зерна. Если от одной машины в бункер поступило меньше зерна, чем нужно, система распознает это как признак воровства и бьет тревогу. Одновременно решение может предотвращать различные другие виды хищений. «Речь идет о системе «свой-чужой», — объясняет Александр Воробьев. — Обычно рядом с комбайном едет грузовик, куда отгружается собранный урожай. Проблема воровства здесь может заключаться в том, что может подъехать чужая машина и увезти зерно в неизвестном направлении или же в нужной машине зерно ссыпается не туда. Для предотвращения подобных инцидентов мы устанавливаем дополнительную камеру, которая определяет, та ли машина подъехала и куда в нее сгружается зерно. Также установленная камера позволяет бороться с таким типом воровства, когда, скажем, заполненный наполовину комбайн остается в поле на ночь и ночью это зерно похищается».

Оценить урожайность

Помимо воровства разработанное Data Nerds решение позволяет эффективно следить за урожайностью полей. «Используя информацию с камер, мы можем следить, сколько зерна поступает с каждой машины. Получается, что у нас есть точные данные, с какого участка поля сколько урожая поступает. Таким образом, мы можем создавать карту урожайности полей вплоть до 50 метров точности», — рассказывает Александр Воробьев.

По его словам, главное отличие их решения заключается в том, что оно не использует датчики и другие инструменты, внедрение которых обходится значительно дороже. Например, комплект датчиков, который следит за заполнением бункера зерном, стоит порядка 10 тыс. долларов. Или же за урожайностью до сих пор пытаются следить с помощью дронов, что также обходится недешево. «Даже при своей дороговизне датчики могут давать не совсем точную картину, — указывает Александр Воробьев. — Базовые и самые доступные модификации датчиков дают погрешность до 30%. Точные датчики дают погрешность до 10%, но они при этом значительно дороже. У нас же по данным с камер сейчас погрешность составляет 3-5%. И при этом мы имеем потенциал по улучшению этого показателя за счет повышения разрешения изображения с камер».

Спасти урожай

В настоящее время компания Data Nerds внедряет пилотные решения в ряде российских агропромышленных компаний. В частности, это «Продимекс», крупнейший производитель сахара в России и Восточной Европе, с которым Data Nerds сотрудничает с марта 2018 г. На ближайший сезон запланировано еще несколько пилотных внедрений. За рубежом Data Nerds также планирует продвигать свои решения. В частности, в США компания ведет переговоры о внедрении своей системы оценки урожайности полей под брендом Save the Crop («Спаси урожай»). С выходом на американский рынок Data Nerds помогает компания Data Monsters. Александр Воробьёв прошёл акселерационную программу в Физтех акселераторе (PhA) по специальному треку для проектов, разрабатывающих продукты на основе ИИ, главным создателем которой является Артемий Малков, сооснователь Data Monsters, выпускник МФТИ.

В Data Nerds считают, что возможности машинного зрения в ближайшее время будут востребованы и в других отраслях. Например, у компании был опыт реализации пилотного проекта в лесной отрасли с холдингом Russian Forest Group. Нужно было точно сосчитать, сколько спиленных деревьев вывозит каждая машина. Раньше водитель грузовика делал снимок каждого рейса и отправлял его в диспетчерскую. Потом каждый снимок вручную считал оператор, причем на обработку одного изображения уходило до получаса. Заменить этот рутинный труд позволило решение с использованием машинного обучения, когда система сама в считанные секунды определяет по снимку, сколько бревен находится в каждой машине.

В компании отмечают, что в ближайшее время их решение будет еще более эффективным за счет появления на рынке новых аппаратных средств. «Компания NVidia очень кстати на днях анонсировала появление нового компактного аппаратного решения Jetson Nano, которого нам не хватало, — говорит Александр Воробьев. — По сути, у нас сейчас есть два пути: использовать микрокомпьютер на месте, но он будет недостаточно мощным, либо передать информацию с камер на наши сервера, как мы это делали летом. Но пропускной канал связи у нас получался достаточно маленький, у нас получалось передавать с одного комбайна максимум две фотографии разрешением 640 на 480 точек, чего было явно недостаточно. А чем больше разрешение изображения, тем точнее работает наша модель. Согласно нашим тестам, на фотографиях большего размера мы получаем очень маленькую погрешность, и обрабатывать более точные фотографии нам позволит новое аппаратное решение типа NVidia Jetson Nano».