Канада инвестирует CA $1,7 млн в проект с ИИ-камерой для виноградников

Правительство Канады выделяет до CA $1,7 млн, чтобы помочь адаптировать систему камер с искусственным интеллектом для виноградников и позволить виноградарям выявлять болезни и управлять урожайностью до того, как проблемы станут заметны невооружённым глазом. О финансировании было объявлено 10 сентября Министерством сельского хозяйства и агропродовольствия Канады, или AAFC, через компонент Projects программы AgriScience.

Средства получит Vivid Machines Inc., агротехнологическая компания из Онтарио, основанная в 2020 году Дженни Лемьё и Джонатаном Бинасом. Компания уже продаёт систему мониторинга под названием Vivid XV для яблоневых садов. В рамках нового проекта она адаптирует то же оборудование и программное обеспечение для винного и столового винограда, которые отличаются от садовых культур иными структурами полога, характером роста и давлением болезней.

Проект реализуется в Онтарио и рассчитан на три года. Как сообщает Global Agriculture, исследователи AAFC будут работать с компанией, чтобы сравнивать показания системы с эталонными данными, собранными вручную в коммерческих виноградниках. Этот этап валидации важен, поскольку виноградарии вряд ли будут полагаться на автоматические оповещения о болезнях, если инструмент не будет хорошо работать в реальных полевых условиях.

Vivid XV спроектирована так, чтобы крепиться к трактору, опрыскивателю или другой технике, которая уже движется между рядами виноградника, а не работать как отдельный робот. Система сочетает высокоскоростную оптику с мультиспектральной камерой, которая собирает изображения в видимом и ближнем инфракрасном диапазонах. Такой подход широко используется в сельскохозяйственном зондировании, поскольку растительная ткань по-разному отражает ближний инфракрасный свет в зависимости от состояния здоровья и влажности.

Система также обрабатывает изображения прямо на борту по мере движения машины по полю, вместо того чтобы требовать от фермеров позже загружать данные для анализа. Компания утверждает, что оборудование может работать на типичных полевых скоростях до 10 миль в час. При использовании в садах Vivid говорит, что система может сканировать около 15 000 деревьев в час и отслеживать отдельные растения от цветения до сбора урожая, подсчитывая плоды, оценивая их размер и выявляя ранние симптомы болезней на уровне одного дерева или конкретного блока.

Система позиционирования фиксирует местоположение каждого измерения, а значит, фермер может вернуться к точной лозе или ряду, которые вызвали сигнал. Это может сократить необходимость вручную искать по всему участку. Если версия для виноградников будет работать так, как задумано, виноградарии смогут использовать её для более раннего и точного планирования обследований и обработок.

Компания утверждает, что точность её прогнозов составляет около 90%, но эта цифра исходит от самой компании, а не из независимого рецензируемого испытания. Планируемая работа с исследователями AAFC должна дать более формальную проверку того, насколько хорошо система работает в виноградниках, где выявлять болезни может быть сложнее, чем в садах.

Адаптация технологии для винограда — это не просто изменение программного обеспечения. Лозы формируют на шпалерах и часто образуют более плоский и плотный полог, чем яблони. Некоторые важные болезни винограда, включая ложную мучнистую росу и серую гниль гроздей, могут проявлять ранние признаки на нижней стороне листьев или внутри плотных гроздей. Такие симптомы движущейся камере может быть труднее чётко зафиксировать, особенно когда техника идёт между рядами с обычной рабочей скоростью.

Федеральное правительство представило это финансирование как часть более широкой кампании по ускоренному внедрению точных инструментов в распоряжение фермеров. Министр сельского хозяйства Хит Макдональд заявил, что поддержка подобных технологий может помочь защитить урожай и связанные с ним сельские экономики. Программа AgriScience действует в рамках Sustainable Canadian Agricultural Partnership и, как правило, представляет собой программу софинансирования, что означает, что получатели обычно должны вносить встречные средства и выполнять обязательства по проекту, а не просто получать грант.

Такая структура придаёт объявлению коммерческий вес, выходящий за рамки небольшой исследовательской субсидии. Она сигнализирует, что проект рассчитан на переход к практическому использованию в сельхозпроизводстве, а не на то, чтобы остаться на стадии концепции. Для Vivid Machines работа в виноградниках также расширяет продукт, который до сих пор использовался в садах, на ещё один сегмент высокодоходных культур, где важны сроки и потери от болезней могут быть серьёзными.

Для винодельческого бизнеса более раннее выявление болезней может иметь последствия и за пределами хозяйства, если инструмент окажется надёжным. Виноградарии могут обрабатывать поражённые участки до того, как проблема распространится по всему блоку, что может сократить потери урожая, улучшить использование воды и средств защиты растений и помочь сохранить качество винограда. Это, в свою очередь, может иметь значение для виноделен, которые зависят от стабильных поставок здорового сырья в сезоны с высоким давлением болезней.

Проект также отражает более широкий тренд в сельском хозяйстве на использование ИИ и систем визуализации для принятия решений не по полю, а по каждому растению. В виноградниках такой уровень детализации особенно ценен, поскольку болезни, сила роста и урожайность могут резко различаться даже внутри одного блока. Система, способная отметить конкретную лозу или короткий отрезок ряда, может дать виноградарям более практичный способ действовать на основе данных, чем одни лишь более общие аэрофотоснимки.

Остаётся показать, насколько хорошо платформа, созданная для садов, сможет справляться с условиями, специфичными для винограда, на протяжении нескольких сезонов. Полог виноградника быстро меняется в течение вегетационного периода, а ягоды могут быть частично скрыты листьями, проволоками и углами оборудования. Ожидается, что вручную собранные данные из виноградников в рамках сотрудничества с AAFC будут использоваться для обучения и проверки модели ИИ, чтобы её выводы о болезнях основывались на том, что действительно происходит в поле, а не только на закономерностях, изученных в садах.