Завершен первый этап проекта внедрения облачного сервиса «История поля»

01.03.2024
Завершен первый этап проекта внедрения облачного сервиса «История поля»

Поле Русагро (Автор: Русагро)

ГК «Русагро» проводит внедрение отечественной системы управления сельскохозяйственным производством на базе облачного сервиса «История поля» взамен зарубежного решения Cropwise.

Сервис позволяет собирать, анализировать и хранить всю информацию по хозяйству в единой системе. На разработку проекта получен грант от Российского фонда развития информационных технологий (РФРИТ). Сумма грантового финансирования составляет 536 млн руб. Общая стоимость проекта оценивается в 670 млн руб.
Разработчиком является ООО "ГеомирАгро". Для успешной реализации проекта привлечена экспертиза Русагро Тех.

Проект разделен на 4 этапа.

В рамках первого этапа в период с 1 ноября 2023 по 29 февраля 2024 были реализованы следующие задачи:

  • сформирована рабочая команда проекта;
  • разработана дорожная карта доработки сервиса;
  • проведен бизнес-анализ внутренних и внешних систем, задействованных в проекте;
  • разработано частное техническое задание и Перечень исходных данных, требуемых для реализации проекта.

Второй этап Проекта стартует 1 марта 2024 и продлится до 30 ноября 2024 года.

В рамках второго этапа запланирована доработка ПО Облачный сервис «История поля», которая позволит автоматизировать бизнес-процессы сельскохозяйственного направления ГК «Русагро».
На втором этапе дорабатываются следующие функциональные компоненты:

  • База данных,
  • Карта полей и кадастров,
  • ГИС-модуль,
  • Полевые осмотры,
  • Мониторинг состояния посевов,
  • Агрономические опыты,
  • Точное земледелие.

А также выделяются и внедряются дополнительные компоненты:

  • Аналитика данных
  • Оптимизация маршрутов передвижения сотрудников
  • Формирование оптимального трека движения по выполнению агроопераций
  • Контроль движения урожая
  • Управление орошением
  • Прогноз оптимальных дат осмотра по болезням культур и вредителям на полях
  • Рекомендательная система
  • Прогнозирование локальной погоды
  • Прогнозирование урожая
  • Прогнозирование появления болезней и вредителей
  • Съемка кагатов с помощью БПЛА
  • Подсчет вредителей в фитоловушке
  • Стратегическое планирование
  • Оперативное планирование производственных операций (метаалгоритм)
  • Модуль для выявления факторов, влияющих на урожайность по каждому полю

На последующих этапах проекта производится доработка системы с учетом результатов опытной эксплуатации.

По результатам реализации проекта будет осуществлено внедрение сервиса «История поля», позволяющего сократить время на сбор и анализ данных с полей, предотвратить хищение товарно-материальных ценностей и снизить их расход, повысить урожайность, снизить расходы на удобрения и средства защиты растений.

Читайте также
Являясь частью искусственного интеллекта, машинное обучение (Machine Learning, ML) открывает все больше возможностей бизнесу. Его внедряют для трансформации процессов, развития транспорта, логистики, АПК и других отраслей, а экономический эффект применения ИИ составляет более триллиона рублей. Рассмотрим, какие прикладные задачи компаний решает ML, приведем примеры внедрения, поговорим про подход Retrieval-Augmented Generation (RAG) и дадим чек-лист качественной интеграции и использования ИИ в реальном секторе.

Похожие статьи