CNews: Какие конкретные задачи и проблемы можно решать с помощью ИИ в сельском хозяйстве?

Владимир Горохов: Приведу примеры из портфеля проектов «Русагро». Мы разработали и внедрили системы с применением нейросетей для контроля внесения минеральных удобрений и для формирования оптимальных маршрутов техники. Создали системы видеоаналитики для контроля состояния поголовья на свиноферме и проверки качества выпускаемой продукции на производстве, а также для распознавания сорняков на полях с помощью видео, которое снимают камеры, установленные на дронах.

Еще у нас в компании работает решение, которое мы назвали «Стратегический алгоритм». Оно было создано для расчета севооборота при выращивании ряда различных культур на одной и той же территории в течение нескольких вегетационных сезонов. Алгоритм обрабатывает более миллиона сценариев для каждого поля, и в результате формируется севооборот на стратегическом горизонте планирования до 10 лет.

C компанией «Инфосистемы Джет» мы создали сначала систему планирования сбора урожая, которая обрабатывает большое количество разнообразных данных о свойствах и ценности культур, погодных условиях, доступности техники, а затем дает рекомендации, какое поле в какое время нужно убирать. Этот проект прошел успешно, и мы вместе с «Инфосистемы Джет» создали вторую интеллектуальную систему, которая помогает оптимальным образом спланировать все остальные полевые работы.

CNews: Расскажите подробнее, чем полезна система ИИ при планировании аграрных процессов?

Владимир Горохов: «Русагро» выращивает различные сельскохозяйственные культуры на 689 тысячах гектаров полей. Конечно, управление такими земельными ресурсами и планирование всего комплекса сельскохозяйственных работ — очень масштабная задача. Упущенное время или нарушения технологического цикла могут привести к серьезным потерям урожая. Например, если вовремя не внести удобрения, то урожайность некоторых культур может снизиться на 15%. Также важно просчитать ценность культур и определить приоритет в очередности проведения работ. Например, если прошел дождь и нужно срочно убрать урожай с большого количества полей, то для уменьшения финансовых рисков нужно сначала собрать более дорогие культуры. Кстати, цены на сельскохозяйственные культуры меняются каждый год, и это тоже нужно иметь в виду. Учитывать все факторы и безошибочно принимать оптимальные решения не под силу даже очень опытным специалистам, но на это способна наша система. Именно такую платформу мы разработали совместно с командой «Джета».

CNews: Что собой представляет интеллектуальная система планирования полевых работ и что помогло вам разработать ее концепцию?

Максим Андрианов: Прежде чем приступать к работе над созданием цифрового решения, важно понять, как создаваемый сервис встроить в текущий бизнес-процесс. Нам это удалось благодаря долговременному опыту сотрудничества с «Русагро» и пониманию как особенностей работы конкретного холдинга, так и специфики сельскохозяйственной отрасли в целом. К тому же наша компания имеет очень широкую экспертизу в различных проектах по оптимизации, в том числе с применением методов искусственного интеллекта, — это помогает нам понять, каким образом и какими средствами можно решить задачу заказчика.

Вместе с «Русагро» мы разработали решение для АПК, не уступающее аналогичным западным системам производственного планирования.

В основу системы лег разработанный нами мета-алгоритм с применением целочисленного и линейного программирования. Мы провели интеграцию алгоритма с информационными системами «Русагро», из которых поступают различные производственные данные. Алгоритм их обрабатывает и формирует планы полевых работ на каждом производственном участке, дает рекомендации по приоритизации работ с учетом технологии выращивания культур и севооборота, а также строит оптимальные маршруты движения техники при выполнении полевых операций и при перегонах с одного поля на другое.

Преимущество системы заключается еще и в том, что она постоянно развивается и повышает точность работы, обучаясь на все большем объеме данных.

CNews: Какие основные критерии эффективности были сформулированы в «Русагро» для «Инфосистем Джет» при разработке алгоритма?

Владимир Горохов: Было три главных критерия: во-первых, планирование полевых работ в оптимальные сроки; во-вторых, приоритетность работ в зависимости от стоимости культуры и получения потенциальной выручки; в третьих, учет доступной техники и ее состояния, а также разработка оптимальных маршрутов движения.

Так как процесс проведения работ не прерывается и в любом сезоне на полях ведутся работы, перед нами стояла непростая задача планировать операции не только на текущий сезон, но и на следующий.

Вообще, было довольно много и других критериев — например, нужно было учесть дополнительные временные затраты, когда планы полевых работ меняются в силу погодных условий или других важных обстоятельств. Требовалось учитывать даже графики отпусков сотрудников, которые задействованы в работах.

CNews: Какой технологический подход был использован для создания алгоритмов?

Максим Андрианов: В рамках реализации проектов, где ключевым элементом является обработка данных, мы используем Python и фреймворки на его основе. Для решения задач оптимизации мы применили OR-Tools — программный комплекс с открытым кодом, применяющийся в задачах целочисленного и линейного программирования. Платформа автоматизации Apache Airflow была задействована для обеспечения контроля и стабильности процессов вычислений, а также для интеграции решения с внешними сервисами.

Одним из важных компонентов системы стали разработанные нами алгоритмы машинного обучения, которые используются для прогноза таких характеристик, как достижение определенной фазы развития растения или влажность зерна. Также мы использовали метод смешанного программирования (Mixed-Integer Programming, MIP) для описания задач оптимизации.

CNews: В чем заключались основные трудности проекта и каким образом было найдено решение?

Максим Андрианов: Специфика агропрома в целом заключается в том, что объект производства — это живые культуры, которые очень легко потерять при нарушении технологии выращивания. А в случае «Русагро» мы имеем дело с бизнесом глобального масштаба. Поэтому любые неточности могут обернуться такими же глобальными потерями. Важно было учесть время выполнения каждой операции в поле, сроки ее проведения относительно других действий, их целесообразность. Для решения этой задачи наши математики проделали гигантскую работу и описали всю технологическую цепочку полевых работ и порядка их выполнения в масштабном графе.

Кроме того, мы уделили очень много времени и внимания процессу тестирования нашей системы, ежедневно разбирали сгенерированные ею планы с руководителями производственных участков, подтверждая корректную работу алгоритмов.

CNews: Есть ли какие-то предварительные итоги, по которым можно оценить эффективность внедрения ИИ в «Русагро»?

Владимир Горохов: Разработанная система уже дает результаты: процессы планировании полевых работ, а также распределения техники и специалистов стали более прозрачными и менее зависимыми от человеческого фактора. Так как полевые работы выполняются своевременно, увеличение урожая составляет до 10% ежегодно, а затраты на ГСМ и ремонт уменьшились на 6,4% за счет минимизации перемещений техники. И мы надеемся на увеличение этих показателей в ближайшем будущем.