Южные аграрные компании, благодаря новым цифровым технологиям, планируют увеличить урожайность сельскохозяйственных культур до 10% и более.
В этом году в агрохолдинге «Степь» проводили весенний сев по объемным 3д-моделям ландшафтов; с помощью таких моделей предварительно рассчитывались и оптимизировались сельхозработы, с учетом геопространственных данных рельефа местности: определялись участки с избыточной влажностью, ветровой эрозией и естественными стоками воды.
Также в компании стали оборудовать комбайны и прочую агротехнику специальными датчиками, которые распечатаны на 3д-принтере.
Южный федеральный университет на базе агрохолдинга «Степь» также разработал методику для дистанционного определения влажности зерна, что позволяет определять оптимальные сроки созревания подсолнечника и других зерновых культур для своевременной уборки с минимальными потерями урожая
При обычной методике в полевых условиях выкашивается пробный участок поля и в лабораторных условиях определяют сроки уборки, что требует существенные затраты времени на работу специалистов и техники.
В качестве эксперимента в текущем сезоне была опробована новая установка, которая делает снимки подсолнечника с нижней стороны корзинок с помощью видеокамер и обрабатывает их специальной программой на основе самообучающейся нейросети.
Для сравнения также проводились параллельные измерения традиционным способом и обе методики дали схожие результаты по точности, но при использовании нейросети удалось заметно сэкономить время и средства, потраченные на трудозатраты и затраты техники
Агрохолдинг планирует масштабировать новую технологию в будущем, и уже использует на всех этапах новые цифровые разработки для оптимизации своей работы. Похожие статьи:
События в мире Hi-Tech → Разработан новый материал из графена и белков шелка для биосовместимой микроэлектроники и нейросетей.
Технические знания → Нейросеть (искусственная нейронная сеть) – что это такое?
Новости Hi-Tech компаний. → Московский Политех разрабатывает уникальный проект по регулированию движения на перекрестках с использованием звуковых нейросетей.
