ИИ в сельском хозяйстве и пищевой отрасли: с чего начать

Начинать стоит с документов приёмки, журналов качества и контроля упаковки, а не с прогноза урожая. Эти задачи проверяются за недели на данных, которые у хозяйства уже есть, и ошибка в них исправляется быстро. Прогноз по полям требует нескольких сезонов, и проверить его можно только осенью.

Причина в природе отрасли: у фасовочной линии повторений в год очень много, у поля одно. Поэтому порядок задач определяет не модное название, а скорость проверки, наличие данных и цена ошибки. Услуга описана на странице «ИИ для сельского хозяйства и пищевых производств», здесь только способ выбрать первую задачу.

Какие задачи брать первыми: порядок по скорости проверки

Задачи различаются тем, как скоро видно, что система работает. На документах это неделя: взяли двадцать накладных, посчитали, сколько полей распознано верно. На прогнозе по полям это сезон. Таблица ниже раскладывает типовые задачи по этому признаку.

Колонка «Когда брать» не догма. Если хозяйство держит скоропортящуюся продукцию и теряет её на хранении, первой может оказаться задача про датчики. Но проверять её придётся дольше, а подготовка данных потребует порядка в журналах открытия камер и сбоев.

Хорошая первая задача обычно скучна. Она не обещает урожай больше, зато убирает ручной ввод или находит расхождения до проверки. Такой результат виден людям на следующий день, на нём строится доверие к системе, и уже затем берутся задачи, где ошибка стоит дороже. Если первой взять амбициозный прогноз, а он не оправдается, проект закроют вместе со всеми будущими задачами.

Календарь: как вписать пилот в хозяйственный год

У сельхозпредприятия есть периоды, когда людям не до пилота. В посевную и уборочную каждый специалист занят основной работой, и разметка выборки или разбор находок ложатся на них сверх нормы. Пилот, запущенный в это время, либо тормозит, либо проверяется формально.

Для пищевого производства календарь мягче: сезонность есть, но линия работает круглый год. Здесь окно для пилота выбирают по партиям и ассортименту, а не по времени года. Главное, чтобы у технолога была свободная смена для разбора первых находок. Если такого человека нет, пилот лучше отложить: без разбора находок система не учится на своих ошибках.

Пять вопросов перед выбором первой задачи

Эти вопросы помогают отсеять красивые, но неподъёмные идеи. Если на два и больше ответ «нет», задачу лучше отложить:

1. Есть ли данные за нужный период? Для документов достаточно архива за несколько месяцев, для рядов с сезонностью нужны несколько сезонов.
2. Кто владелец задачи? Один человек, который принимает результат и отвечает за данные: главный технолог, начальник участка, главный агроном.
3. Как мы поймём, что получилось? Критерий записывается до начала: какая доля полей распознана верно, сколько расхождений найдено на размеченной выборке.
4. Сколько стоит ошибка и в какую сторону? Пропущенный брак и лишняя тревога стоят по-разному, порог настраивается под это.
5. Где будет работать система? Данные хозяйства часто относятся к коммерческой тайне, и внешний сервис может не подойти. Если связи на площадке нет, нужен сервер рядом.

Общая логика выбора, не привязанная к отрасли, разобрана в статье «Как выбрать первый ИИ-проект».

Данные: чего не хватает чаще всего

Хозяйства редко страдают от нехватки записей. Чаще записи нельзя связать между собой. Три типичные проблемы:

• Поле называется по-разному. В журнале работ «Заречное», в учёте «поле 12», на снимках номер участка. Без единого справочника полей история не складывается в ряд.
• Партия теряется между весовой и учётом. На весовой запись есть, в 1С другая, в лаборатории третья. Нужен сквозной номер партии, иначе качество нельзя привязать к сырью.
• Записи внесены по графику, а не по факту. Если температуры в журнале выглядят слишком ровными, проверка журнала покажет плохую работу системы, хотя виноват способ ведения.
• Нет причины у события. Списание записано одной суммой, остановка линии словом «прочее», отклонение на поле без пометки о погоде. По таким записям модель учится угадывать, а не различать.

Поэтому подготовка данных обычно занимает больше времени, чем кажется, и её лучше планировать на межсезонье. Старое оборудование и разрозненные источники мы разбирали в материале «Данные с оборудования разных лет». Как готовить данные в целом, описано в статье «Как подготовить данные для ИИ-пилота».

Как проверять результат, если сезон один в год

Проверка в агропроизводстве строится так, чтобы не обмануть себя. Три правила:

• Откладывайте целый сезон или партию. Если перемешать данные разных лет, соседние дни подскажут ответ, и метрика окажется завышенной. Модель должна проверяться на том, чего она не видела.
• Сравнивайте с простым ответом. «Как в прошлом году» или «как в среднем за годы» служит нижней планкой. Если модель не заметно лучше, она не нужна.
• Считайте ошибки обоих видов. Пропущенное отклонение и ложная тревога стоят по-разному. Цену каждой называет ваш технолог или агроном до обучения, и порог выбирается из этого.

Для документов проверка проще всего: берём выборку, которую уже вводили руками, прогоняем через систему и сверяем поле за полем. Для линии проверка идёт на партиях, снятых в рабочих условиях, с тем же освещением и скоростью. Показатель, снятый на демонстрационных снимках, на линии не повторится.

Цифр качества мы не обещаем заранее: они зависят от продукции, оборудования и условий съёмки. Что считать достаточным, записывается как критерий приёмки. Подробно про проверку прогнозов — в статье «Предиктивная аналитика: как не ошибиться».

Что остаётся за специалистом

В отрасли у ошибки есть цена, которую модель не несёт. Поэтому ИИ работает как подсказка, а решение остаётся за человеком:

Сначала система работает в режиме подсказки, и ошибки разбираются вместе с вашими специалистами. Если ошибок мало, обсуждается автоматическое действие, но с журналом и возможностью отката на вашей стороне.

Где ИИ в сельском хозяйстве обычно не окупается

Есть случаи, когда лучше не начинать или начать иначе:

• Прогноз урожайности по двум-трём сезонам. Данных для надёжного вывода мало, а проверить его можно только через год. Начните с накопления данных и порядка в справочниках.
• Автоматическое управление техникой и климатом. Мы такое не делаем: ответственность за технику лежит на штатной автоматике и оператор остаётся в контуре.
• Задача без владельца. Если некому принимать результат, пилот превращается в демонстрацию.
• Дорогое оборудование ради первой проверки. Дроны, камеры и датчики стоит закупать после того, как на готовых данных показана польза. Закупаете оборудование вы, мы даём требования.

Если хозяйство пока не уверено, подходит ли ему ИИ, начните с аудита готовности к внедрению ИИ.

Что делаем мы и с чего начать

Начинаем с обследования: 200 000 ₽ и 2–3 недели за одну-две системы, 350 000 ₽ и 3–4 недели, если задействованы весовая, лаборатория, учёт и склад вместе, и 500 000 ₽ и 4–6 недель для предприятия или контура с несколькими площадками. На выходе выбранная задача, схема размещения (в том числе для площадок без связи), критерий приёмки и вилка бюджета. Стоимость вычитается из первого этапа, если продолжаете с нами.

Дальше лёгкий пилот на выборке (150 000–400 000 ₽, 2–8 недель), затем, если нужно, тяжёлый пилот и вывод в эксплуатацию. Остановиться можно на любой ступени, исходники лежат в вашем репозитории с первого коммита. Мы не даём агрономических, ветеринарных и лабораторных заключений, не управляем техникой, не подключаемся к государственным системам и не имеем лицензии ФСТЭК. Цены и сроки — на странице «Тарифы», описание услуги — на странице «ИИ для сельского хозяйства и пищевых производств».