Виды на урожай: компания «ЦентрПрограммСистем» обучила нейросеть делать прогнозы с высокой точностью

Резидент регионального IT-кластера разработал модель прогнозирования урожайности, в которой применил возможности нейросети на базе технологии Deep learning.

Вполне вероятно, что в первый раз сделать прогноз урожайности люди попытались уже на заре эры земледелия. А на следующий год после первого прогноза появилась некая история наблюдений.

Столетиями опыт накапливался, подмечались определенные погодные явления, делались определённые выводы – одним словом, определяли то, что сейчас в агрономии называется «год-аналог». С началом регулярных метеонаблюдений такой подход получил научную основу. В Российской Империи благодаря В.В. Докучаеву родилось и новое направление в науке – почвоведение, одной из задач которого также было прогнозирование урожая.

В советское время серьезные исследования влияния состояния почв на прогноз урожайности продолжились. Сегодня прогнозирование урожайности зерновых культур играет важную роль в разработке агропродовольственной политики на уровне страны, регионов, а также программ развития агропредприятий.

Новые методы

Средства дистанционного зондирования Земли, с каждым десятилетием все более и более точные, дали новый импульс развитию прогнозирования. Возникли сервисы, как правило, зарубежные, которые по оценке развития вегетации из космоса предсказывали будущий урожай – с разной степенью погрешности.

Методика перспективна, и хотя программные продукты стоят дорого, главный минус для российского сельского хозяйства состоит не в цене, а в том, что поставщики таких импортных решений обычно аффилированы с транснациональными компаниями - производителями семян, средств защиты растений и агрохимии. Программы прогноза урожайности применяются для сбора информации о структуре сельхозземель, технологической базе и посевах агропредприятий. Эти данные используются для продвижения и продаж основного продукта компаний – так, по некоторым культурам уже сейчас российское растениеводство зависимо от импортных семян на 50-90%. Такая же картина наблюдается и на рынке агрохимии. Есть все шансы предполагать, что в случае массового использования зарубежных модулей прогнозирования, и в агротехнологиях нас ждут похожие перспективы: сельхозпроизводителям будут навязывать способы проведения работ, инструментарий, методы оценки результатов.

Еще одним серьезным минусом импортных решений нужно признать хранение данных в облачных сервисах на зарубежных серверах. Это создает дополнительные риски как для отдельных предприятий, так и для отрасли в целом. Так, например, вполне можно представить себе ситуацию, когда в связи с какими-либо событиями доступ к этим важным для нас данным может быть органичен либо вообще закрыт.

Вместе с тем, целевыми потребителями прогноза урожайности становятся все большее число сторон, связанных с растениеводством: инвесторы, банки, страховые компании, органы государственного управления АПК и, конечно, сами агропредприятия.

Пойдем другим путем

Исходя из потребностей рынка, компания «ЦентрПрограммСистем», много лет изучающая методы прогнозирования, разработала модель прогнозирования урожайности, в которой применила возможности нейросети на базе технологии Deep learning.

Компанией разработана архитектура нейронной сети, интегрирующая достоинства сверточных нейронных сетей, хорошо выполняющих задачи формирования признаков из исходных данных, и рекуррентных нейронных сетей, позволяющих оценивать динамику изменения показателей во времени. Подобный подход позволяет учитывать данные разного формата и представления, что обеспечивает полноту входной информации, оказывающей непосредственное влияние на качество результирующего прогноза. Разработанная модель прогноза урожайности позволяет учитывать как косвенные данные – вегетационные индексы, метеоданные, историческую урожайность, так и прямые – данные с бортовых компьютеров сельхозтехники, потенциал плодородия по каждому полю, а также выборочные пробы биологической урожайности – для еще более точной калибровки данных.

В прошлом году решение «ЦПС» по прогнозированию урожая с использованием искусственного интеллекта было испытано в крупном проекте на площади свыше 600 тысяч гектаров. Полученные данные помогли инвесторам принять правильные и своевременные решения.

Нейросеть, используя данные за весь вегетационный период, составляет достаточно точный прогноз – и чем ближе к сбору урожая, тем точнее. Однако для агропредприятий и еще в большей степени для региональных органов управления АПК важно иметь прогноз в начале сезона – безусловно, он менее точен, потому что не может учитывать возможное появление вредителей, возникновение засушливых явлений и других неблагоприятных погодных условий. Но зато хорошо видно, на каких полях ожидается низкая урожайность, которая может быть связана с плохой перезимовкой озимых, низкой всхожестью, изреженностью посевов или другими факторами. Ценность такой аналитики в том, что она показывает текущее состояние посевов на ранних этапах вегетации - весной многое можно еще исправить и сберечь урожай.

Для областных и краевых министерств управления сельским хозяйством и АПК отечественный программный продукт, не принадлежащий транснациональным компаниям, обеспечивающий сохранность данных на российских серверах, с высокой степенью информационной защиты, интегрирующийся в отечественную платформу 1С, которая используется большинством агропредприятий – находка. Модуль обеспечивает ступенчатую аналитику – от начала сезона и «видов на урожай» до прогноза валового сбора в разрезе культур по региону к моменту уборки.

Компания «ЦентрПрограммСистем» готова к внедрению программного продукта по прогнозированию урожайности как в агрохолдингах, так и в региональных департаментах сельского хозяйства, которые заинтересованы в точных прогнозах урожая. Модуль повышает общий уровень качества управления – как отдельного предприятия, так и всего АПК в целом.