Содержание
Автоматизация управления виноградником упрощает процесс возделывания винограда, повышая производительность в разы. Метеостанции собирают данные о погоде, автополив настраивает работу для почвы с известной влажностью, искусственный интеллект обрабатывает данные с полей и генерирует рекомендации, заточенные на решение выявленных проблем.
Все это в той или иной мере вам известно. Мы же хотим рассказать о собственном опыте в автоматизации контроля над выращиванием винограда. Этот опыт сконцентрирован вокруг нашей системы управления виноградником, которая была разработана для крымского климата и не имеет аналогов в России. В проектировании системы мы задействовали исследователей, программных инженеров, а также возможности микроэлектроники и машинного обучения.
Автоматизация управления виноградником, внедряемая нашей компанией, представляет собой комплекс технологий и мероприятий: установка датчиков, сбор исторического массива данных, установка датчиков (Интернет Вещей), камер и оптических систем, тренировка нейросетей.
Анализ почвы, состояния растений и климатических условий — основа основ
1) Заболевания винограда — одна из главных проблем его урожая. Заболевания ведут к потере урожая, утрате качества винограда, а также риску пропуска сезона, когда болеет уникальный виноград, высаженный в малом количестве.
Чтобы оценить риск заболеваний, мы тщательнейшим образом анализируем состояние листьев и ягод при помощи компьютерного зрения. Инженеры нашей команды задают параметры, чтобы система могла оценить степень созревания урожая: цвет, размер, текстуру и форма плодов. Подробные снимки позволяют сделать достоверные выводы о степени зрелости ягод — и все это без необходимости делать обходы и проверки вручную.
Таким образом, мы выявляем признаки болезней и стресса у растений на самых ранних стадиях их появления. В данный момент мы учим нейросеть распознавать болезни: Мильдью, Одиум и Серую гниль.
Вредители представляют собой другую распространенную проблему для урожая винограда. В данный момент мы учим свою систему обнаруживать признаки наличия гроздевых листоверток, виноградных клещей и белых цикадок.
Это происходит с помощью анализа изменения в цвете, текстуре и форме листьев, характерных для присутствия вредных насекомых и результатов их паразитической деятельности.
2) Анализ почвы необходим для составления плана питания и орошения винограда. Здесь наша система является бесценным помощником. Проводя с ее помощью мониторинг состава и влажности почвы, вы освобождаете себя от дорогостоящих изысканий агронома. Этот мониторинг основан на модели скаутинга, включающей в себя:
— Сбор и обработку исторических данных о почве в винограднике
— Интеграцию с компаниями, производителями удобрений
— Подготовку индивидуальных схем питания и их контроль через датчики
В 2023 году мы приступили к разработке комплексного подхода к оценке и прогнозированию свойств почвы в зависимости от локального воздействия природных и антропогенных факторов.
3) Сбор общих климатических данных в моменте (давление, влажность, температура) не может принципиально влиять на качество вина. Но в перспективе от трех лет (и далее) эти данные имеют большую ценность. Опираясь на них, мы можем указать выбор оптимального сорта винограда для определенного терруара.
Сбор полевых данных
У распространенных общепринятых методов сбора данных есть существенные недостатки:
— Дроны не подходят, поскольку нас интересует съемка нижней части листа (большая часть болезней винограда локализуются именно там)
— Беспилотные роботы мало полезны для сбора данных на крупных массивах (от 1000 га), (не хватает заряда батареи, нужно перемещаться между полями, проходить между рядами).
Применительно к Крыму, проблема также состоит в необходимости сбора большого количества данных, которые принадлежат терруару (региону) — data sets. Поэтому мы работаем над своей, уникальной, системой сбора данных с помощью создания конструкции, состоящей из камер наблюдения, локальных датчиков и метеостанций.
Имея максимально полные данные о почве, в которой рос виноград, и времени его сбора, мы сможем в конце сезона проанализировать полный цикл и дать рекомендации по коррекциям в технологических картах. Эти данные обрабатываются Искусственным Интеллектом, и система генерирует рекомендации для виноградарей, заточенные на решение выявленных проблем.
Вместо заключения
Вы узнали о том, что наша система умеет делать для контроля урожая на настоящий момент. Мы начали собирать и обрабатывать исторические и полевые данных, внедрять датчики и оптические системы, улучшать качество распознавания снимков нейросетями. Эти технологии адаптируются нами под климатические условия крымского региона, делая их уникальными.
