Точечное внесение СЗР и обучение моделей для агроробототехники
Контур обучения моделей распознавания сорняков для опрыскивателей и агророботов на данных конкретного хозяйства.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Сплошное опрыскивание гербицидами обрабатывает 100 % поля, хотя сорняки занимают 10–30 % площади. Затраты на средства защиты растений — одна из крупнейших статей в растениеводстве, а нагрузка на почву и ограничения на остаточные количества ужесточаются. Появились опрыскиватели с камерами и роботы, распознающие сорняки «на лету», но они работают с моделями, обученными на чужих полях, культурах и стадиях, и точность падает при смене условий.
Чтобы техника видела сорняки в конкретных условиях хозяйства, модели надо дообучать на собственных данных, а это требует вычислительных мощностей и процесса разметки.
Что делает ИИ
PyTorchYOLOTensorRTLabel StudioCVATROS 2
Мы строим контур обучения моделей распознавания для полевых машин: сбор изображений с камер опрыскивателей и роботов, разметка с участием агрономов, дообучение, тестирование и выпуск оптимизированных моделей на бортовые вычислители. Полевая техника получает модели, знающие культуры, сорта, стадии и сорняки региона.
- Сбор данных с бортовых камер в течение сезона, автоматическая фильтрация.
- Полуавтоматическая разметка с активным обучением и проверкой агрономом.
- Дообучение детекторов под культуру, стадию, освещение, тип почвы.
- Симуляционная проверка на записанных проездах перед выпуском.
- Квантование и экспорт на бортовые модули, управление версиями по машинам.
Какие данные нужны
- Изображения с камер опрыскивателей и роботов
- Разметка сорняков и культур по видам и стадиям
- Телеметрия техники и координаты
- Карты полей и севооборот
Какая инфраструктура нужна
Профиль «train», масштаб «rack-small». В сезон в хозяйстве накапливаются миллионы кадров с камер техники, а модели надо переобучать каждые 1–2 недели под меняющуюся стадию культуры. Сервер RX MAX с несколькими GPU из раздела GPU-серверы обучает детектор на сотнях тысяч изображений за часы и одновременно прогоняет валидацию на записанных проездах. Для сервисной компании или дилера, обслуживающего парк техники нескольких холдингов, нагрузка выше — подойдёт платформа LM TEK 4U8GPU10KW с восемью ускорителями и жидкостным охлаждением. Для одного хозяйства достаточно рабочей станции W9 ULTRA из раздела рабочие станции. Хранилище от 20 ТБ под изображения сезона. Поставка в Россию и страны СНГ.
Как идёт проект
- 01
Данные и цель
Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.
- 02
Пилот на нашей конфигурации
Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.
- 03
Инфраструктура
Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.
- 04
Сопровождение
Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.
Что ещё автоматизируют в отрасли «Агропром и экология»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.