РАЗРАБОТЧИК NORDCLAN

Системы машинного зрения в сельском хозяйстве

о нас

IT-компания Nord Clan создает программное обеспечение и решения на базе искусственного интеллекта для ключевых отраслей экономики, включая сельское хозяйство.

Мы разрабатываем системы искусственного интеллекта для агротехнологий, в том числе решения для мониторинга посевов, контроля качества урожая и диагностики состояния растений. Также внедряем ИИ в процессы сельскохозяйственного производства и переработки продукции.

Наше решение ML Sense - платформа на основе компьютерного зрения и нейросетей - входит в реестр отечественного ПО и успешно внедрена в крупнейших компаниях страны.

о нас

IT-компания Nord Clan создает программное обеспечение и решения на базе искусственного интеллекта для ключевых отраслей экономики, включая сельское хозяйство.

Мы разрабатываем системы искусственного интеллекта для агротехнологий, в том числе решения для мониторинга посевов, контроля качества урожая и диагностики состояния растений. Также внедряем ИИ в процессы сельскохозяйственного производства и переработки продукции.

Наше решение ML Sense - платформа на основе компьютерного зрения и нейросетей - входит в реестр отечественного ПО и успешно внедрена в крупнейших компаниях страны.

Примеры наших проектов ИИ в сельском хозяйстве

Выявление заболеваний растений и контроль урожая

Система распознает плоды, определяет спелость, выявляет признаки повреждений, подсчитывает количество и формирует отчеты.
Решение на основе машинного зрения помогает диагностировать заболевания сельскохозяйственных культур и проводить мониторинг их состояния.

Читать кейс

Сортировка урожая на конвейере по уровню спелости

Система распознает плоды разных сельскохозяйственных культур и на основе цвета плода определяет спелость. На основе полученных данных происходит сортировка продукции, а также осуществляется подсчет продукции.

Контроль цветности сахара при переработке сахарной свеклы

Система автоматически распознает цвет сахара на видеопотоке, сопоставляет его с эталонными значениями цветовой шкалы, распознает отклонения от заданного уровня цвета в условных единицах ICUMSA.

Результат: контроль отделения патоки от сахара, максимальный выход чистого продукта.

Учет продукции на складе

Система с помощью машинного зрения и нейросетей отслеживает наличие и количество материалов в каждой складской ячейке, проверяет правильность их размещения и мгновенно оповещает о снижении запасов до критического уровня.

Результат: предотвращение остановок производственной линии, оптимизация закупок и складских запасов.

Читать кейс

Контроль передвижения техники в силосных ямах

Система с помощью системы датчиков фиксирует траекторию движения техники при утрамбовке силосных ям. С помощью радиомодулей передает информацию на сервер и рисует в приложении водителей интерактивную карту. Это позволяет сразу видеть необработанные или чрезмерно уплотнённые участки и корректировать маршрут на месте.

Результат: экономия за счёт оптимальной работы техники и предотвращения порчи кормовой базы.

Читать кейс

Получите расчет стоимости
вашей задачи

Оставьте заявку и наш менеджер свяжется с Вами в течение 15 минут в рабочее время.

Оставить заявку

Какие задачи можно решать с помощью ML Sense в аграрной отрасли

Использование ИИ в сельском хозяйстве

Мониторинг работы техники

Система отслеживает передвижение тракторов, комбайнов и другой техники в реальном времени, фиксирует простои, отклонения от маршрута и время обработки каждого участка поля.
Определение состояния растений

Нейросеть анализирует снимки с камер и дронов, определяет цвет, форму и плотность листвы, распознает признаки увядания, дефицита питательных веществ и начала болезни.
Мониторинг посевов

Система оценивает густоту и равномерность всходов по снимкам поля, находит участки с изреженными или неровными посевами и показывает их на карте для точечного вмешательства.
Определение стадии созревания

ML Sense определяет степень зрелости плодов по цвету, размеру и текстуре с разбивкой по зонам поля, помогает планировать выборочный сбор урожая и снизить потери при уборке.
Выявление повреждений плодов

Компьютерное зрение выявляет трещины, вмятины, следы града и другие механические повреждения плодов на конвейере или в поле, отсеивая некондицию до отправки на переработку.
Формирование карт урожайности

Система строит карты урожайности с учетом количества и размера плодов, а также признаков болезней, помогая агрономам планировать удобрения и обработку по зонам поля.
Распознавание сорняков

Нейросеть распознает сорняки на снимках с дронов и камер, отличает их от культурных растений и строит карты распространения для точечной обработки гербицидами.
Контроль состояния почвы и полива

Система анализирует влажность почвы и работу системы полива по данным датчиков и снимков, помогает избежать переувлажнения или засухи и снизить расход воды.

Принцип работы системы ML Sense

На дроны, тракторы или над конвейером устанавливаются высокоточные камеры.
Они фиксируют видеопоток и изображения в высоком разрешении.
Камера подбирается в зависимости от условий эксплуатации и задачи.

На сервер устанавливается программа ML Sense, которая анализирует поступающий с камеры видеопоток.
Алгоритмы машинного зрения и нейросети определяют количество плодов и их распределение по участкам. степень зрелости, признаки заболеваний, качество листового покрова, размер плодов и пр.

В программе для оператора отображается информация о событии. Каждое событие сопровождается временем обнаружения; GPS-координатами участка; характеристиками объекта (размер, количество, площадь заражения, степень риска) и пр. в зависимости от задач. Оператор может управлять процессом контроля как со стационарного компьютера, так и с планшета или мобильного телефона (Android, iOS).

Принцип работы системы ML Sense

На дроны, тракторы или над конвейером устанавливаются высокоточные камеры.
Они фиксируют видеопоток и изображения в высоком разрешении.
Камера подбирается в зависимости от условий эксплуатации и задачи.

На сервер устанавливается программа ML Sense, которая анализирует поступающий с камеры видеопоток.
Алгоритмы машинного зрения и нейросети определяют количество плодов и их распределение по участкам. степень зрелости, признаки заболеваний, качество листового покрова, размер плодов и пр.

В программе для оператора отображается информация о событии. Каждое событие сопровождается временем обнаружения; GPS-координатами участка; характеристиками объекта (размер, количество, площадь заражения, степень риска) и пр. в зависимости от задач. Оператор может управлять процессом контроля как со стационарного компьютера, так и с планшета или мобильного телефона (Android, iOS).

Преимущества системы ML Sense

Полностью российская разработка. Включенная в реестр отечественного ПО (Реестровая запись №12843 от 14.02.2022.). При приобретении лицензии заказчик может применять налоговые льготы, включая освобождение от НДС и специальные механизмы учета затрат на ПО (согласно законодательству РФ).
Построена на основе нейронных сетей. Это обеспечивает возможность распознавания любых объектов и дефектов в любых условиях эксплуатации.
Универсальное решение для работы в поле и любых конвейеров.
Точность работы до 100%
Интеграция с любыми MES-системами.
Возможность организовать единый центр контроля брака, в который поступает информация с каждого пункта контроля для своевременной реакции на появление дефектов.
Управление процессом как с компьютера, так и с мобильного телефона (Android, iOS) из любой точки мира.
Интеграция с АСУ и вашим оборудованием, возможность автоматизировать реакцию на событие без участия оператора.
Интеграция с вашими системами учета (1С и прочими).
Возможность самообучения системы для классификации объектов дефектов.