Top.Mail.Ru
Я даю Согласие на обработку файлов cookie в соответствии с Политикой конфиденциальности. В случае отказа от обработки cookie я проинформирован о необходимости прекратить использование Сайта или отключить файлы cookie в настройках браузера.
OK
Применение искусственного интеллекта в сельском хозяйстве

Примеры наших проектов

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.
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.
Какие еще задачи можно решать
с помощью ML Sense в аграрной отрасли
Использование ИИ в сельском хозяйстве
  • Мониторинг работы техники
    Контроль работы сельскохозяйственной техники и транспорта
  • Определение состояния растений
  • Мониторинг посевов
    Определение густоты и равномерности всходов, выявление проблемных зон
  • Определение стадии созревания
    С разбивкой по зонам поля — чтобы планировать выборочный сбор урожая.
  • Выявление механических повреждений плодов
    Трещины, вмятины, следы града и пр.
  • Формирование карт урожайности
    В зависимости от количества, размера плодов, признаков болезней.
  • Распознавание сорняков
    И построение карт их распространения
  • Контроль состояния почвы и полива
    Анализ влажности почвы

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.)
  • 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 пр.)
  • Возможность самообучения системы для классификации объектов дефектов.
Оставьте заявку на консультацию и демонстрацию работы системы