19 декабря прошла конференция AgroCode Conf Genetics, посвященная решениям и передовому опыту в агрогенетике и агроселекции. В рамках сессии «Искусственный интеллект и агроиндустрия 2050» спикеры и участники обсудили, как ИИ меняет агроиндустию, в каких направлениях он применяется, и каких результатов удалось добиться на сегодняшний день.
Общая статистика
Первым спикером сессии стал Олег Князьков, заместитель руководителя Центра отраслевой экспертизы АО «Россельхозбанк».Он рассказал о том, что компании удалось оценить потенциал цифровых технологий на ВВП агропромышленного комплекса. Согласно статистике, приведенной экспертом, область растениеводства имеет наибольший потенциал от применения цифровых технологий: «После картографирования поля мы видим свободные участки и понимаем, как обрабатывается поле и какой севооборот у нас есть». Следом идут такие технологии, как БПЛА, «умные» системы мониторинга в животноводстве, автономная сельскохозяйственная техника и «умные» системы управления и обработки больших данных. По имеющимся у эксперта данным, потенциальный экономический эффект от применения ИИ в сельскозяйственной сфере по всему миру составляет 19,9 трлн долл. до 2030 г.. В РФ в 2023 г., при вложенных 9 млрд руб. эффект от внедрения технологии ИИ составил 18 млрд руб. Следовательно, средний срок окупаемости таких технологических решений – полгода.
Направления развития ИИ в сельском хозяйстве:
– растениеводство: точное земледелие, анализ данных, предиктивная аналитика, анализ данных, системы контроля и учета;
– животноводство: системы мониторинга здоровья животных, системы управления фермой, селекция и генетика, системы управления кормлением.
Потенциальные эффекты от внедрения ИИ:
– автоматическая обработка беспилотным комбайном – сокращение потерь урожая до 13% и на 25% сроков уборки урожая;
– достоверная информация о качестве обрабатываемых земель и использование нужного количество удобрений – снижение расходов на них на 30%:
– выделение однородных зон в пределах одного поля – повышение продуктивности на 20%;
– технология сменной нормы высева и автоматического отключения сева –повышение урожайности на 12%;
– технология дифференцированного внесения удобрений – экономия до 40% удобрений;
– погодное моделирование и управление рисками – снижение потерь урожая на 25%;
– цифровые системы в животноводстве – сокращение издержек до 40% и увеличение продуктивности животных до 20%.
Профессии будущего
В связи с активным применением цифровых технологий, в том числе в сельском хозяйстве, меняются подходы к работе. Для того чтобы цифровые решения внедрялись в реальный сектор экономики, необходимы новые профессии, которые подразумевают работу с ИИ. Спикер рассказал о тех профессиях, которые, по его мнению, появятся в ближайшее время в сельскохозяйственной сфере, а также о том, чем такие специалисты будут заниматься:
агрокибернетик – внедрение новых технологий, информатизация и автоматизация сельскохозяйственных предприятий;
специалист по формированию экосистем – разработка архитектуры производства, консолидация систем искусственного интеллекта, дронов, датчиков, агротехнических служб, работа с цифровыми технологиями, ETG стандартами;
биореставратор – оценка ущерба, нанесенного растениям и животным, реабилитация природных экосистем;
рециклинг-технолог – обеспечение безотходного производства, благодаря которому отходы получат вторую жизнь.
Примеры отечественных цифровых решений в селекции и генетике:
PLASTILIN – цифровая платформа для ускоренной и направленной
селекции хранения, обработки, аналитики биоинформатики,
генотипирования и секвенирования (включая анализ генов ИИ);
«Смарт Бридинг» – создание продуктов, повышающих доступность геномного анализа домашних животных;
«Селектек» – облачная система сбора и обработки данных селекционного процесса;
OilGene – cервис по сопровождению программ маркерной и геномной
солекции, NGS тест-систем, биоинформатический анализ данных;
«Кситест» – комплексный программный продукт для повышения
продуктивности и здоровья животных не основе генетики,
включая веб-сервис для селекционеров;
«Мираторг-генетика» – создание базы данных генотипов и разработка ИТ-системы автоматизированного анализа данных;
ПЛИНОР – комплекс цифровых решений для управления продуктивностью молочного скота;
R-Style Softlab – «1С»: селекция в животноводстве, количественно-весовой учет, племенной учет свиней, учет репродуктивного цикла свиней.
Применение ИИ в сельскохозяйственной сфере
Петр Елизаров, руководитель отдела R&D ООО «Селектек», рассказал о фенотипических методах, где можно найти применение ИИ. Одна из ключевых проблем в селекции – подбор оптимальных родительских пар. Основной алгоритм для подбора пар – комбинационная способность. У этого метода есть ряд недостатков. Метод геномной селекции может многократно ускорить этот процесс, но его внедрение требует большого количества времени. Эксперт представил автоматизированную систему выбора родительских пар, основанную на анализе фенотипических данных многолетних полевых наблюдений по заданным селекционером критериям. Данная технология позволяет выделять ключевые признаки, влияющие на продуктивность потомства, используя методы машинного обучения. Кроме того, для оптимального выбора родительских пар используются методы линейного программирования и генетических алгоритмов (PuLP для Python).
Разработка методов кластеризации генотипов растений для выявления их адаптивных свойств в различных агроклиматических зонах с целью повышения устойчивости и продуктивности включает в себя применение методов кластеризации для сред и генотипов, анализ вариабельности признаков генотипов в каждой зоне, выделение групп генотипов с аналогичным поведением в конкретных условиях, выявление наиболее типичных генотипов для каждой группы, описание адаптивных особенностей выделенных кластеров, а также создание модели, способной прогнозировать поведение генотипов в неизученных зонах на основе выявленных закономерностей.
Достаточно сложной проблемой в селекции является анализ коллекции. Зачастую для того, чтобы произвести хорошее потомство, необходимо отобрать наиболее отдаленные родительские формы, которые дадут максимальный гетерозисный эффект. Проблема оценки такого «расстояния» сводится к тому, что нужно прогинетепировать всю коллекцию. Ускорению селекции способствует разработанная компанией система анализа генетического разнообразия коллекции генотипов для выявления ключевых паттернов и прогнозирования эффекта гетерозиса в процессе селекции. С ее помощью можно применять методы кластеризации для разделения коллекции на группы с учетом генетических признаков, определять ключевые генотипы-репрезентанты в каждом кластере, анализировать результаты скрещивания между генотипами из различных кластеров и строить модели для прогнозирования гетерозиса на основе генетических и фенотипических данных, проверять точность модели с использованием исторических данных.
Заключительной и наиболее важной разработкой Петр Елизаров считает предобученную систему с машинным зрением и ИИ, использующей агродроны для автоматического фенотипирования растений на основе обширных датасетов из открытых источников и фотографий, предоставленных селекционерам: «Особенность этой системы заключается в том, что мы с помощью известных алгоритмов и методик хотим готовить универсальные датасеты для различных технологий в ИИ». Система позволяет проводить агрегацию изображений растений из открытых источников и дополнять данные фотографиями, предоставленными селекционерами с аннотацией изображений метками фенотипических признаков, производить предварительную обработку изображений для улучшения качества, аугментировать данные (повороты, изменение освещенности, масштабирование) для увеличения объема обучающей выборки, использовать сверточные нейронные сети (CNN) для анализа изображений и выявления фенотипических признаков, обучать модели на размеченных изображениях с учетом различных углов съемки и условий освещения.
Tinder для коров
«Конечно, никто не свайпает влево вправо, ни коровы, ни быки», – сказал Максим Измесьев, продакт-менеджер АПК R-style Softlab. Тем не менее, именно так модератор сессии представил приложение АПК для селекции крупного рогатого скота (КРС) GenMatch. Это решение по подбору подходящего партнера для скрещивания КРС. Селекционеры могут выбрать показатели, которые их интересуют, и получить рекомендации по поиску партнеров для скрещивания животных.
Принцип работы:
импорт данных вручную или интеграция с приложениями управления стадом;
анализ и валидация данных;
учет паспортов животных и влияния генетики;
выбор необходимых параметров (мясо/ молоко);
подбор оптимальных пар и сортировка;
прогнозирование результатов потомства;
описание решения и рекомендации.
Конференция продемонстрировала стремительную интеграцию цифровых технологий в сферу сельского хозяйства. Все участники сессии отметили, что одной из ключевых проблем остается обучение персонала: работники сельскохозяйственной сферы с трудом адаптируются к новым технологиям и искусственному интеллекту. Однако, несмотря на эти трудности, отрасль продолжает развиваться.
