Население мира растет. Через 30 лет человечеству понадобится в 1,7 раз больше продовольствия, чем оно производит сейчас. Для этого надо серьезно модернизировать сельское хозяйство.
По прогнозам ООН, население мира к 2050 году достигнет 9,8 млрд человек, чтобы его прокормить, надо увеличить производство продовольствия на 70%. Это означает, что фермер по производству сои в Айове или фермер по производству кукурузы в России должны изменить процессы производства, сделать их максимально эффективными.
По данным главы Минсельхоза в октябре 2017 года в России уже было собрано 127 млн тонн зерна, а по итогам года мы должны и вовсе побить рекорд. К 2030 году экспорт зерновых будет составлять не 40—45 млн тонн, как сейчас, а превысит 70 млн тонн в год.
Искусственный интеллект для сельского хозяйства
Чтобы добиться столь значительного увеличения урожайности, надо начать цифровизацию сельского хозяйства. Согласно оценке J’son & Partners Consulting, эффект от использования в сельском хозяйстве технологий интернета вещей может составить более 4,8 трлн рублей в годовом выражении.
Развитие отрасли в нашей стране во многом зависит еще и от климата, когда неустойчивая погода может грозить неурожаем. Еще одна проблема — это непрозрачность расходов на ГСМ сотрудниками сельхозпредприятий. Как выяснилось в ходе одного нашего пилотного проекта в Белгородской области, только на одной единице транспорта компании могут ежемесячно не досчитываться около 15 000−30 000 рублей.
Одна из крупнейших сельскохозяйственных компаний в России, которая является нашим клиентом, использует мониторинг данных на всех этапах: от посева и выращивания культур до их сбора, а также для контроля за расходом горючего и химикатов. В компании приняли решение убрать человека из всех процессов, где это возможно, построив цифровую инфраструктуру, в управлении которой принимает участие нейросеть.
Как это работает. Данные с датчиков, размещенных в земле, а также дронов и технологического оборудования позволяют агрономам оценить состояние почвы, содержание влаги, концентрацию удобрений. Информация собирается и анализируется: где, когда и в каком количестве поливать поля, нужно ли нанимать дополнительные рабочие руки, когда планировать сбор урожая и т. д. Машинное обучение позволяет обучить систему, чтобы она сама подбирала оптимальные агротехнологические решения, делала подсказки, помогала принять агрономам правильное решение.
Все данные обрабатываются и передаются в единую систему, которая построена на нашем решении по обработке данных. Анализ информации позволяет контролировать управление урожаем. Например, информация с дронов сравнивается с данными снимков спутниковой системы — агроном сразу же видит проблемные зоны и может направить дрон на конкретный участок поля, а не делать замеры везде, как раньше. Таким образом, в компании определяют, в какой стадии созревания находится растение. Учитываются также погодные условия и рассчитывается соответствующая норма обработки для конкретного поля конкретной культуры, чтобы ее развитие было наиболее качественным.
На поле с таким подходом удалось увеличить среднюю урожайность на 15−20%. Помимо этого, агрохолдингу удалось за год снизить расходы на ГСМ примерно на 20% или 100 млн рублей год, используя системы мониторинга техники.
Royal Swaziland Sugar Corporation Limited (RSSC), одна из крупнейших компаний в Свазиленде (Южная Африка), которая производит две трети сахара в стране, применяет аналогичные технологии для регулярных поставок сахара на рынок. Компания управляет более чем 15 000 гектарами сахарного тростника и собирает 2,3 млн тонн для переработки на сахарных фабриках. Например, при выходе из строя ирригационной системы, это отслеживается в реальном времени, что позволяет принять меры до того, как растения пострадают. Это уменьшает риски компании, которая в случае неурожая может понести убытки до $100 000 в день. Система мониторинга контролирует не только количество воды, но и удобрений, которые должны питать почву. Раньше анализ таких данных занимал не менее двух недель, сейчас они появляются за несколько часов, что позволяет планировать обработку полей в нужном количестве для хорошего урожая.
Барьеры на пути к изобилию
Новизна цифровых технологий и отсутствие инфраструктуры для них тормозит их внедрение в России. Еще одна трудность — человеческий фактор, на региональном уровне заметно сопротивление внедрению IT. При этом именно в областях с традиционно сильным сельским хозяйством — Краснодарский край, Ростовская, Белгородская области, Татарстан, Ставропольский край, Воронежская область — технологии цифрового земледелия могут быть востребованы, чтобы повысить эффективность производства, повысить качество продукта и сделать прозрачными все процессы, снизив риски мошенничества.
Учитывая всю специфику и проблемы отечественного сельского хозяйства, технологии становятся сегодня одним из ключевых инструментов, который позволяет поставлять готовую и качественную продукцию клиенту. Это огромный потенциал для производства российских продуктов в условиях продовольственного эмбарго, а также экспорта продукции в близлежащие страны.
