В Северо-Кавказском федеральном университете реализуют три проекта Российского научного фонда, связанных с умным земледелием. 

Разработки охватывают беспилотные системы, мониторинг тепличных комплексов и прогнозирование урожайности. Для аграрных регионов, включая Ставропольский край и Северный Кавказ, такие технологии напрямую связаны с продовольственной безопасностью и цифровизацией АПК.

Первый грант посвящён энергоэффективным краевым нейро-гибридным архитектурам для систем беспилотного транспорта. Исследователи исходят из того, что массовому внедрению беспилотников мешает ограничение бортового оборудования по энергии: сложные алгоритмы ИИ требуют больших ресурсов. 

Проект предполагает создание компактных и отказоустойчивых бортовых модулей, где сочетаются динамическое управление ресурсами, адаптивное машинное обучение, оптимизация и встроенная безопасность. Такие решения могут использоваться в автономных системах, робототехнике и IoT, а в агросфере — в дронах для мониторинга посевов.

Второй проект связан с умными теплицами и выполняется совместно со Ставропольским государственным аграрным университетом. Индустриальным партнёром выступает тепличный комплекс «Солнечный Дар». 

Учёные разрабатывают систему мониторинга тепличных растений: она должна помочь выявить производственные проблемы, согласовать параметры сети наблюдения, а затем внедрить модели и программные решения непосредственно на площадке партнёра. Основа работы — беспроводные сенсорные сети и математические методы, которые позволяют надёжно собирать и передавать данные от датчиков на центральную станцию.

Третий грант посвящён высокоточной системе прогнозирования урожайности на основе анализа вегетационных данных. Исследователь собирает мультиспектральные данные со спутника и обрабатывает их с использованием вегетационных индексов — показателей, по которым можно судить о состоянии почвы, обеспеченности растений водой, времени внесения удобрений и общем состоянии сельхозугодий. 

В проекте также разрабатываются методы машинного обучения, включая трансформерные архитектуры, для интеграции данных БПЛА, спутников и агрометеорологических источников. Ожидаемый результат — устойчивая к пропускам данных прогностическая модель, которая позволит точнее оценивать состояние культур и заранее планировать агротехнические мероприятия.

«Наша задача — выявить проблемные места в технологиях аграрного мониторинга и обеспечить эффективное использование сетей и средств наблюдения с применением ИИ-анализа. Практический эффект таких решений — более высокий урожай за счёт точечного воздействия питательными веществами на растения, своевременной реакции на погоду и получения более качественного продукта, сообщили sk-news.ru в пресс-службе Северо-Кавказского федерального университета.

 Разработки важны тем, что позволяют сделать сельское хозяйство более точным и управляемым — от сбора данных до принятия решений в поле или теплице», — пояснила руководитель одного из проектов Диана Калита.

«СКФУ системно развивает исследования на стыке математики, искусственного интеллекта, сенсорных сетей и прикладных задач агропромышленного комплекса. Мы поддерживаем проекты, которые ориентированы не только на научный результат, но и на последующее внедрение в реальный сектор, в том числе в партнёрстве с предприятиями. Такая работа отвечает национальным задачам технологического развития России и внедрения отечественных решений в экономику», — отметила ректор СКФУ профессор Татьяна Шебзухова.

Сейчас проекты находятся на этапах создания моделей, алгоритмов и прикладных программ; следующим шагом должны стать апробация и внедрение. Проект по прогнозу урожайности планируется завершить в 2027 году, а другие два, финансируемые Российским научным фондом, рассчитаны до 2029 года.

Подписывайтесь на SK-NEWS.RU в MAX и Телеграм, чтобы быть в курсе новостей!