Применение искусственного интеллекта в сельском хозяйстве

Свецкий Арсений Владимирович ORCID: 0000-0002-0678-4841 младший научный сотрудник сектора экологического, земельного и аграрного права Института государства и права Российской академии наук 119019, Россия, г. Москва, ул. Знаменка, 10 Svetskiy Arseniy Vladimirovich Junior Researcher of the Environmental, Land and Agrarian Law Sector of the Institute of State and Law of the Russian Academy of Sciences 119019, Russia, Moscow, Znamenka str., 10 arseniy1107@gmail.com Другие публикации этого автора

В настоящее время сложно представить какую-либо сферу жизнедеятельности человека без использования современных технологий. Интенсивно идущий во всех областях деятельности человека процесс цифровизации в современном обществе затронул и отрасль сельского хозяйства. На рынке искусственного интеллекта (далее – ИИ) в сельском хозяйстве по состоянию на 2019 год доминировала Северная Америка благодаря увеличению инвестиций в исследования, разработку и широкое внедрение новых технологий. Все чаще начинают применяться автоматизированные системы с применением ИИ.

Сельское хозяйство – важнейшая отрасль экономики любого государства. На ноябрь 2022 года население земли составляет чуть более 8 млрд человек (URL: https://countrymeters.info/ru/World/ (дата обращения: 17.11.2022)). Кроме того, по прогнозам ООН, к 2050 году население Земли должно увеличиться до 9,7 миллиардов. При этом площадь земель, обрабатываемых сельскохозяйственным сектором, к этому моменту может быть увеличена только на 4 %, а чтобы прокормить все население планеты, количество продуктов питания должно увеличиться на 60 % (URL: https://www.un.org/ru/un75/shifting-demographics (дата обращения: 17.11.2022)).Это означает, что фермерам для достижения этой цели придется увеличить производительность и одновременно снизить затраты на производство. Постановка такой цели стала сильным двигателем прогресса в сельскохозяйственном секторе, ведь традиционных методов становится недостаточно.

Интенсификация сельского хозяйства может стать ключом к решению проблемы с недостатком продовольствия в ближайшем будущем.Именно поэтому в настоящее время технологии, связанные с использованием искусственного интеллекта, все более активно внедряются в сельскохозяйственное производство, также возникают и развиваются все новые направления его применения. Этот процесс по праву можно считать частью технологической революции в сельском хозяйстве.

Искусственный интеллект в общем понимании – это созданный человеком программный код, применяющий алгоритмы, которые в независимом порядке способны обучаться и развиваться. Поэтому при упоминании искусственного интеллекта всегда надо помнить, что это процесс обучения машины анализировать и собирать огромное количество данных в кратчайший срок. ИИ используют как в чистом программном виде, то есть в программном обеспечении, так и в виде роботизированных систем, которые применяют различные алгоритмы. В соответствии с прогнозами, в 2025 году затраты государств по всему миру на интеллектуальное сельское хозяйство вырастут в 3 раза (URL: https://www.forbes.com/sites/louiscolumbus/2021/02/17/10-ways-ai-has-the-potential-to-improve-agriculture-in-2021/?sh=67a5d5f87f3b/ (дата обращения: 18.11.2022)).

Технологии, основанные на искусственном интеллекте, повышают эффективность деятельности во всех областях, а также решают проблемы, с которыми сталкиваются различные отрасли, включая и аграрный сектор. Сельскохозяйственные роботы создаются для того, чтобы обеспечить эффективное применение ИИ в указанном секторе. В условиях стремительного роста населения мира сельскохозяйственный сектор сталкивается с кризисом, в разрешении которого использование ИИ может сыграть решающую роль. Применение технологий, основанных на использовании ИИ, позволяет производить больше продукции с меньшими затратами и даже улучшить качество продукции, а также обеспечить более быстрый выход произведенной продукции на рынок. Ожидается, что автоматизированная система только на одном сельскохозяйственном мероприятии к 2050 году будет обрабатывать в среднем 4,1 миллиона дискретных единиц данных каждый день ^{[5, с. 2–3]}.

В научных исследованиях в области сельского хозяйства разными авторами выделяются различные стадии и этапы процесса производства сельхозпродукции, к примеру, прогнозирование, посев, сбор урожая и т. д. В свою очередь, сельское хозяйство делится на множество различных отраслей, как, например, кормопроизводство, растениеводство, грибоводство, животноводство, рыбоводство и др. Эти отрасли уже, в свою очередь, делятся на подотрасли, что затрудняет процесс унификации оборудования, используемого на различных стадиях производства. К примеру, в растениеводстве ИИ может быть использован в различных процессах: подготовка почвы, посев семян, добавление удобрений, орошение, защита от сорняков, сбор урожая, хранение ^{[1, с. 2–3]}.

По мнению ученых, глобальный рынок ИИ в сельском хозяйстве на сегодняшний день развивается в трех наиболее перспективных направлениях: компьютерное зрение, машинное обучение и предиктивная аналитика. Ожидается, что, с точки зрения сегментации технологий, категория компьютерного зрения будет занимать наибольшую долю рынка на мировом рынке ИИ в сельском хозяйстве. Технология компьютерного зрения помогает фермеру обнаруживать недостаток питательных веществ в растениях и следить за здоровьем урожая (URL: https://www.globenewswire.com/en/news-release/2021/02/02/2168016/0/en/Market-Size-of-AI-in-Agriculture-is-Projected-to-Reach-USD-2-400-Million-by-2026-According-to-Facts-Factors.html (дата обращения 21.11.2022)).

Предиктивной аналитикой называют класс методов для анализа данных, которые направленны на прогнозирование будущего поведения объектов и субъектов для принятия оптимального решения. Данный класс методов применяется в технологии ИИ.

Одно из наиболее используемых и перспективных направлений внедрения ИИ – мониторинг состояния растений и почвы. Жизнедеятельность растений напрямую зависит от химических элементов, содержащихся в почве: макроэлементов и микроэлементов. Их содержание является критическим фактором для здоровья сельскохозяйственных культур, количества растений на единицу площади и, соответственно, общего качества собираемого урожая. Мониторинг стадий роста растений также важен для оптимизации эффективности производства. Для внесения корректив по улучшению здоровья сельскохозяйственных культур необходимо понимать связь между процессом роста культур и окружающей средой, а именно, характер и степень ее воздействия на данный процесс. Традиционным методом определения здоровья сельскохозяйственных культур, скота и проверки качества почвы является непосредственное наблюдение и оценка человеком. Однако, несмотря на бесспорную необходимость его применения, его точность не лишена доли субъективности. Несмотря на это, многие сельхозпроизводители прибегают к внедрению современных технологий для решения этой задачи. Так, ими активно применяются специализированные беспилотные летательные аппараты (дроны), которые с помощью компьютерного зрения совершают аэрофотосъемку, захватывая при этом огромный массив данных. Эти дроны осуществляют мониторинг состояния посевов и почвы. ИИ визуального зондирования анализирует и интерпретирует полученные таким методом данные. Это позволяет удаленно отслеживать здоровье растений, производить более точное прогнозирование урожайности, а также обнаруживать недостаток удобрений или наличие заболеваний у сельскохозяйственных культур на больших территориях.

В связи с огромными площадями посевов релевантно использовать модели ИИ, которые способны информировать сельхозпроизводителей о конкретных проблемах для скорейшего принятия необходимых мер.

На протяжении периода роста зерновой культуры также возникает необходимость непосредственного осмотра состояния колосьев, что является процессом трудоемким, но крайне необходимым для контроля качества урожая и своевременного обнаружения болезней. Однако данный процесс также может осуществляться при помощи ИИ. Эту задачу смогли решить исследователи, сформировав базу данных, содержащую изображения колосьев пшеницы на разных стадиях роста. Процесс сбора данных проходил в течение 3 лет, снимки были сделаны при различном освещении, чтобы ИИ мог учитывать большее количество факторов.

Данная модель компьютерного зрения превзошла человеческое наблюдение в точном определении стадий роста пшеницы, что дало возможность сэкономить ресурсы, так как отпала необходимость ежедневных выходов в поля для осмотра урожая (URL: https://www.v7labs.com/blog/ai-in-agriculture#h1 (дата обращения: 19.11.2022)).

Существует множество компаний, которые производят различное оборудование, программное обеспечение и другие решения в помощь сельхозпроизводителям. Одной из таких компаний является Trace Genomics, основанная в 2015 году. Она разработала систему искусственного интеллекта, которая позволяет проводить анализ состава почв сельхозугодий. Система представляет собой комплексное решение в виде оборудования с программным обеспечением для анализа проб почвы. Этот тип приложений помогает в мониторинге состояния почвы и сельскохозяйственных культур, что способствует выращиванию более здоровых культур с более высоким уровнем продуктивности ^{[2, с. 8–15]}.

Классическим методом оценки почвы является выкапывание образцов и последующий анализ их состава в лаборатории, что, в свою очередь, является достаточно длительным по времени и ресурсозатратным процессом. Для оптимизации и автоматизации данной процедуры ученые разработали алгоритм, позволяющий использовать данные, полученные с недорогого портативного микроскопа, для обучения искусственного интеллекта. Затем ИИ анализирует цвет плода в поле и сравнивает по заданным параметрам с цветом свежего рыночного продукта. Этот алгоритм помогает сельскохозяйственному производству дистанционно дать оценку урожайности, а также производить сортировку плодов ^{[3, с. 44–47]}.

В 2016 году было опубликовано исследование, посвященное созданию модели компьютерного зрения, которое должно определить текстуру почвы и содержащиеся в ней органические вещества (SOM). Система компьютерного зрения смогла делать оценку содержания в образце песка и органических веществ почвы с точностью, сравнимой с дорогостоящей лабораторной обработкой. Внедрение данной технологии в производство должно упростить работу фермера, заменив ручной труд на мониторинг урожая и почвы с использованием современных цифровых технологий ^{[4, с. 41]}.

Еще одна область применения искусственного интеллекта в сельском хозяйстве – определение зрелости томата при помощи модели компьютерного зрения. Исследователям удалось создать алгоритм, который анализирует цвет пяти разных частей томата, а затем на основе этих данных оценивает его зрелость. Алгоритм достиг уровня успешного обнаружения и классификации 99,31 %. Переоценка и оценка роста плодов и их зрелости – это тяжелая и трудоемкая работа для человека, однако ИИ вновь доказывает, что способен выполнять большую часть этой работы с легкостью и точностью.

Компьютерное зрение ИИ может не только обнаруживать и анализировать зрелость урожая или качество почвы, но и применять технологию распознавания изображений для автоматизированного обнаружения болезней растений и вредителей на них. В данной технологии используются методы классификации, обнаружения и сегментации изображений для создания компьютерных автоматизированных систем, которые могут следить за здоровьем растений. Примером этого на практике является изучение черной гнили на яблоках. Исследователи обучили нейронную сеть, используя изображения черной гнили яблони, которые были аннотированы ботаниками в соответствии с четырьмя основными стадиями серьезности. Альтернатива применению ИИ в данном случае требует много трудоемкого поиска и оценки степени поражения непосредственно человеком. Разработанная модель ИИ в этом исследовании смогла определить и диагностировать тяжесть заболевания с точностью 90,4 % (URL: https://www.frontiersin.org/articles/10.3389/fpls.2020.00898/full (дата обращения: 19.11.2022)).

Чтобы минимизировать человеческий труд в такой отрасли сельского хозяйства, как скотоводство, компания CattleEye начала применять технологию ИИ для наблюдения за состоянием здоровья и поведением крупного рогатого скота. Это дает возможность сотрудникам сельхозпредприятий не находиться в непосредственной близости от животных для оценки их здоровья. При обнаружении проблемы ответственные сотрудники незамедлительно получают уведомление от системы. Данная технология может быть применена не только для оценки состояния крупного рогатого скота. К примеру, алгоритм был адаптирован для птицефабрик для просмотра видеоданных и определения поведения цыплят: как они питаются и двигаются, что позволяет оценить состояние их здоровья (URL: https://www.v7labs.com/blog/ai-in-agriculture#h3 (дата обращения: 20.11.2022)).

Еще одной сферой использования ИИ в сельском хозяйстве является его применение в различных технологиях борьбы с сорными растениями. Распыление пестицидов или распределение удобрения по всей площади поля возможно автоматизировать за счет использования оснащенных искусственным интеллектом дронов. Компьютерное зрение на дронах позволяет распознавать конкретную целевую зону для распыления пестицидов, либо распределения удобрения в режиме реального времени. Это снижает риск загрязнения территории вредными для окружающей среды веществами. Хотя потенциал здесь велик, в настоящее время все еще существуют некоторые проблемы. Например, опрыскивание поля большой площади гораздо эффективнее с использованием нескольких БПЛА, но назначение конкретных последовательностей задач и траекторий полета для отдельных аппаратов может оказаться сложной задачей. Так, довольно сложной задачей является комплексное управление сразу несколькими аппаратами.

Примером использования искусственного интеллекта является применение «умных» систем опрыскивания. Исследователи из Технологического института Вирджинии разработали интеллектуальную систему опрыскивания, основанную на применении опрыскивателей с серводвигателем, которые используют компьютерное зрение для обнаружения сорняков. Камера, установленная на опрыскивателе, при обнаружении сорного растения записывает его геолокацию, анализирует размеры и цвет, чтобы произвести расчет и внести точное количество гербицидов, необходимое для его уничтожения. Таким образом, уничтожение сорных растений осуществляется более эффективно и без причинения ущерба культурным растениям (URL: https://www.researchgate.net/publication/324174493_Computer_vision_A_promising_tool_for_weed_management (дата обращения: 20.11.2022)).

Опрыскиватели с ИИ – это не единственная возможность ликвидации сорняков. На современных сельскохозяйственных предприятиях используют системы ИИ, позволяющие осуществлять прополку, не используя гербициды, что, в свою очередь, делает этот подход более экологичным. Возможность физически удалять сорняки не только экономит сотрудникам сельхозпредприятий немало усилий и времени, но также снижает потребность в гербицидах и, таким образом, делает всю сельскохозяйственную деятельность менее вредной для окружающей среды.

Необходимо отметить, что машинное обучение – это, по сути, класс методов искусственного интеллекта. В основе машинного обучения лежат алгоритмы, использующие предоставленные данные для обучения и прогнозирования. Используется машинное обучение в тех случаях, когда применение точных алгоритмов не даст достаточной гибкости в выполнении задачи. В процессе прополки важное значение имеет возможность обнаружения объектов и умение ИИ идентифицировать сорняки и отличить их от посевов культурных растений. Алгоритмы компьютерного зрения используют вместе с машинным обучением для создания роботов, выполняющих автоматическую прополку.

Стартап Deepfield Robotics компании Bosch, Amazonen Werke совместно с Техническим институтом Оснабрюка смогли сконструировать робота BoniRob. Это автономный полевой робот для экспериментов по обработке отдельных растений, оснащенный самостоятельной системой навигации, а также способный составлять карту проведенных работ, подготавливать документацию, включая создание базы статистических данных.

Робот учится различать сорняки и сельскохозяйственные культуры посредством добавления в его базу данных изображений листьев различных размеров, форм и цвета. Анализируя заложенные в него данные и сравнивая с тем, что он видит в режиме реального времени, BoniRob может перемещаться по полю, уничтожая нежелательные растения. Экспериментальные результаты применения этой системы показывают, что классификация ею растений и скорость прополки имеют высокий результат успеха, который находится на уровне или выше 90 % (URL: https://robotrends.ru/robopedia/bonirob (дата обращения: 20.11.2022)).

ИИ способен использовать изображения не только с дронов, но и со спутников, что, в свою очередь, помогает осуществлять контроль как за посевами в растениеводстве, так и за животными в скотоводстве. За счет осуществления круглосуточного контроля при помощи искусственного интеллекта сельхозпроизводители вовремя получают информацию о малейших отклонениях, не затрачивая время и другие ресурсы для проведения наблюдения. Точность и эффективность при использовании пестицидов обеспечивается аэрофотосъемкой. Это позволяет экономить финансы и сохранять окружающую среду, так как пестициды распыляются точнее.

Функции ИИ не ограничиваются описанными выше. Алгоритмы визуализации, выявляющие дефекты, болезни и вредителей, могут быть применены для качественного оценивания и сортировки собранного урожая. Для этого программа сопоставляет форму, цвет и объем фруктов и овощей с заложенными в нее стандартными показателями. При этом автоматизированный процесс оценки и сортировки является гораздо более точным. Так, ИИ способен полностью заменить ручной труд в сортировке овощей, при этом осуществляя сортировку по заданным критериям (URL: https://elibrary.asabe.org/abstract.asp?aid=47686 (дата обращения: 20.11.2022)).

Еще одно применение ИИ в аграрной отрасли – это использование систем наблюдения на основе искусственного интеллекта и машинного обучения для мониторинга местности путем видеонаблюдения на каждом поле в режиме реального времени. Это выявляет такие нарушения, как неправомерный доступ на территорию сельхозпредприятия. Система незамедлительно отправляет предупреждение, что помогает выявить противоправные действия в режиме онлайн. Учитывая стремительное развитие видеоаналитики, подпитываемое алгоритмами искусственного интеллекта и машинного обучения, каждый, кто занимается сельским хозяйством, может более эффективно защитить свои поля и периметры зданий от незаконного проникновения. Системы видеонаблюдения с искусственным интеллектом и машинным обучением также легко масштабируются как для крупного сельскохозяйственного предприятия, так и для отдельной фермы. Системы наблюдения на основе машинного обучения можно программировать или обучать с течением времени, чтобы отличать объекты (люди, транспортные средства), доступ которых на территорию санкционирован, от несанкционированных. Компания Twenty20 Solutions – одна из лидирующих в области видеонаблюдения, оснащенного ИИ. Компания показывает свою эффективность в обеспечении безопасности удаленных объектов, сдерживании нарушителей за счет использования машинного обучения для идентификации санкционированных и несанкционированных объектов на территории сельскохозяйственного предприятия.

Использование роботизированной техники помогает решить проблему дефицита кадров, а также обеспечивает элемент безопасности по периметру удаленных мест. Программирование самоходной роботизированной техники для распределения удобрений по каждому ряду сельскохозяйственных культур помогает снизить эксплуатационные расходы и еще больше повысить урожайность полей. С каждым годом сельскохозяйственные роботы обучаются выполнению все более сложных задач. Примером этого является управляемый усовершенствованной системой искусственного интеллекта разработанный исследовательским консорциумом Европейского союза робот VineScout. Этот робот использует входной сигнал от машины с трехмерной стереоскопической системой зрения и ультразвуковые датчики, чтобы следить за рядами, не сталкиваясь ни с чем, поворачиваться и перемещаться при переходе от одного ряда к другому. Кроме того, он может работать круглосуточно, собирая при этом до 72 тысяч гроздьев винограда в сутки. Когда VineScout движется, он использует инфракрасный датчик и мультиспектральную камеру, чтобы измерять температуру листьев растений и количество воды, содержащейся в них. Эти данные отображаются в виде карты урожая, которая позволяет производителям узнать, получают ли растения достаточное количество воды одновременно с оценкой текущего уровня зрелости плодов (URL: https://robroy.ru/novyij-i-uluchshennyij-agro-robot-budet-rabotat-v-vinogradnikax.html (дата обращения: 20.11.2022)).

Сельскохозяйственная отрасль сталкивается с различными проблемами, такими как отсутствие эффективных систем орошения, сорняки, проблемы с мониторингом растений из-за высоты урожая и экстремальных погодных условий. Но с помощью применения новых технологий можно повысить производительность и тем самым обеспечить их эффективное решение.

Учитывая возможности применения технологии с использованием искусственного интеллекта в сельском хозяйстве, можно сделать вывод том, что цифровизация позволит: снизить возможные риски за счет прогнозирования климатических изменений и использовать компьютерное зрения для обнаружения болезней агрокультур и скота. Автоматизация процесса прополки, опрыскивания пестицидами, а также сбора урожая – это еще одна возможность увеличить количество и качество производимой продукции, которая открывается с использованием дронов, роботов, датчиков и сканеров, а также других аппаратных и программных решений.

Хотя сельское хозяйство и является наименее подверженной цифровизации отраслью, но уже сегодня на сельскохозяйственных предприятиях начали применять методы точной прополки с использованием ИИ. Этот метод позволяет избежать потери большого количества урожая в процессе прополки. Такие автономные роботы не только повышают эффективность, но и снижают потребность в ненужных пестицидах и гербицидах. Кроме того, сельхозпроизводители могут эффективно распылять пестициды и гербициды на своих предприятиях с помощью дронов, а также производить мониторинг состояния растений и скота.

Машинное обучение постоянно развивается, принимая более сложные решения на основе данных, которые оно обрабатывает. При этом существует явная вероятность непредвиденного или неблагоприятного исхода при отсутствии контроля со стороны человека. Несмотря на свою ценность, технология ИИ может нанести ущерб в случае несанкционированного доступа и изменения данных в БД, сбоя автономных систем и т. д. Для полноценного внедрения и оптимизации использования необходимо внести определенные поправки в текущее законодательство. В силу новизны технологии правовое регулирование ИИ не развито в достаточной степени, многие отношения, возникающие в процессе применения ИИ, не имеют четкой регламентации. Этот вопрос недостаточно урегулирован не только в национальном законодательстве РФ, но и в международном праве и законодательстве зарубежных стран. Проблема связана и с отсутствием сложившегося единого подхода к определению характеристик искусственного интеллекта. В 2019 году вышел Указ Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации», в котором дается понятие искусственного интеллекта. В соответствии с этим нормативным правовым актом искусственный интеллект представляет собой комплекс технологических решений, которые позволяют выполнять конкретные задачи и получать результаты, сопоставимые с интеллектуальной деятельностью человека. Данное понятие видится общим и неполным, поскольку ИИ включает в себя различные классы методов, содержащие в себе как пополнения данных для обучения при помощи человека, так и самостоятельный алгоритм, использующий сеть Интернет для расширения своей базы данных.

Осенью 2019 года странами – членами ЮНЕСКО было принято решение по разработке международного документа, содержащего рекомендации по этическим аспектам использования искусственного интеллекта. В ноябре 2021 года 193 государства, состоящих в ООН, подписали соглашение по искусственному интеллекту. Этот документ является первым универсальным стандартом в области применения ИИ. В нем определяются общие ценности и принципы, необходимые для обеспечения безопасного развития и использования ИИ. Кроме данной рекомендации, существует руководство по защите данных при использовании ИИ, принятое Советом Европы 25 января 2019 года. Данный международный акт устанавливает ряд рекомендаций для правительства, разработчика ИИ, производителя и поставщика услуг. Эти рекомендации служат для обеспечения прав и свобод человека, в частности, права на защиту данных ^{[7, с. 69–70]}.

Одним из ключевых вопросов, связанных с правовой регламентацией использования ИИ, является проблема ответственности за несанкционированные действия роботизированных устройств, наделенных искусственным интеллектом. Вопрос о том, кто должен нести ответственность за действия робота, тем более автономного или разумного, является и насущным, и сложным. Подходы к решению этой проблемы еще не найдены ^{[6, с. 32–35]}. Использование технологии ИИ влечет за собой возникновение определенных рисков, связанных с выходом из строя оборудования, ошибок в работе систем, взлома систем управления дронами и т. д. Поэтому необходимо наличие подробной правовой регламентации использования ИИ не только в аграрном секторе, но и во всех областях человеческой жизнедеятельности.