Кейсов внедрения: 62. Как компании применяют искусственный интеллект, какие задачи решают и какие результаты публикуют.
Показатели инкубации, которые ранее фиксировали вручную, выводятся на компьютер, а система сигнализирует об отклонениях.
После совместного внедрения искусственного интеллекта и автоматизации на инкубаторе доля вывода цыплят достигла до 93%.
ИИ Smart Engines автоматически переносит данные из комплектов кадровых документов соискателей в анкеты системы 1С; обработка выполняется on-premise в контуре компании.
Процесс трудоустройства ускорен; количественный эффект для РРПК не раскрыт.
Процесс трамбовки силоса и сенажа в 22 траншеях перевели на цифровую платформу с мониторингом движения тракторов и бульдозеров.
Решение должно минимизировать потери кормового сырья, сохранить его питательную ценность и повысить эффективность; количественный эффект не раскрыт.
Хозяйство применяет Cognitive Agro Pilot в полевых работах. Автопилот помогает проходить поле без огрехов и продолжать работу при потере спутникового сигнала.
Поставщик сообщает о росте эффективности хозяйства на 10%. Методика расчёта и период сравнения не раскрыты.
ИИ распознаёт действия оператора и объекты в доильном зале, фиксирует нарушения регламента и вносит их в журнал событий.
Заявлено двукратное снижение расходов на лечение маститных коров и рост удоя всего стада примерно на 10%, а также улучшение сортности молока и сокращение недополученной или отбракованной продукции.
В начатом опыте тестируют построение карты распределения сорняков с применением ИИ и дифференцированное внесение гербицидов по этой карте.
Ожидается экономия до 15%; фактические результаты должны быть подведены по итогам сезона.
Системы анализируют снимки со спутников, дронов и мобильных устройств для определения опасных явлений и прогнозирования развития болезней и вредителей.
Фактический результат не раскрыт.
Алгоритмы компьютерного моделирования анализируют культуры, цены, выполненные работы, технику и инфраструктуру хозяйства и формируют оптимальный план севооборота и работ.
Фактический эффект для хозяйств не раскрыт.
Данные по каждой корове автоматически направляются в государственную информационную систему для оценки продуктивности.
Заявлены сокращение заболеваний и пустых доений, повышение качества молока, оптимизация рациона и положительное влияние на доходы без количественной оценки.
Нейросети используются для контроля движения урожая от поля до элеватора и движения минеральных удобрений.
Конкретный результат не раскрыт.
Нейросеть прогнозирует урожайность по данным поля и обновляет рекомендации по нормам удобрений в течение сезона.
В производственных испытаниях заявлены рост урожайности на 6,3%, снижение нормы удобрений на 24 кг/га без потери урожайности и совокупная экономия 1,86 млн рублей.
Сельхозпроизводители используют ИИ и дроны для съёмки посевов, оценки уровня сорняков и определения участков и видов необходимого внесения удобрений.
Количественный эффект не раскрыт.
В сельском хозяйстве внедряются беспилотные тракторы.
Количественный эффект не раскрыт.
На основе более 15 000 размеченных изображений обучена нейросеть для анализа новых сканов крыльев медоносных пчёл.
Определение подвида стало значительно быстрее и точнее ручного анализа.
Компания внедрила ПО Vmx SILA: LSI, которое с помощью видеоаналитики, ИИ и трекинга отслеживает перемещение животных и считает поголовье свиней.
Точность подсчёта свиней превышает 99%.
ML-система объединяет геномные данные, рацион и условия содержания и рассчитывает племенную ценность животного для прогноза признаков потомства.
К концу 2024 года система работала с голштинской и айрширской породами; оценку можно проводить уже на этапе генотипирования.
Агродроны вносят минеральные удобрения и средства защиты растений по картам, сформированным из данных агронаблюдений и спутниковых снимков.
При сравнении с традиционной пилотируемой авиацией заявлена окупаемость менее года.
Нейросети анализируют операции списания и закупки товарно-материальных ценностей.
Системы выявляют аномалии в списаниях и закупках.
Машинное зрение анализирует здоровье, развитие, воспроизводство и другие показатели птицы и крупного рогатого скота.
Система сигнализирует о проблемах и достижении плановых параметров, а цифровой двойник помогает оценивать изменения в кормлении и уходе.
Приложение следит за микроклиматом теплицы и состоянием растений, упрощает уход, собирает аналитику урожайности и прогнозирует цены с учётом сезона.
Количественный эффект не раскрыт.
На действующей ферме запущены развёртывание и апробация платформы с видеоаналитикой и сценариями раннего выявления проблем со здоровьем стада.
Количественный эффект не раскрыт.
Агрохолдинг ведёт работу над адаптивным сортом озимой пшеницы; цифровые предиктивные модели в его селекции находятся на начальном этапе.
В условиях дефицита влаги урожайность нового сорта указана на 15% выше аналогов; источник не связывает этот показатель непосредственно с ИИ.
На предприятии начато коммерческое внедрение ПАК «ВЕТАИ» с локальным серверным контуром, аналитическими дашбордами и интеграцией с Afimilk и DTM для работы с данными стада, кормления и доения.
Количественный эффект не раскрыт.
Разработан ансамбль моделей градиентного бустинга XGBoost для прогноза класса выклева цист по лабораторным данным; реализованы серверная часть, обработка выгрузок 1С и передача итоговых датафреймов в 1С.
Средняя точность классификации составила 92,5%; для классов — 93,5% и 90,5%. Сервис поддерживает планирование операций с биоматериалом, логистику и хранение.
После тестирования в промышленную эксплуатацию запущен алгоритм планирования уборки урожая с учетом погодных условий, зрелости культур, техники и времени агрономов.
Система успешно прошла тестирование и работает в промышленной эксплуатации; помогает избежать порчи культур и оптимизировать использование техники.
В проекте по работе с эталонными полями система анализирует почвы, формирует технологические карты, рекомендует операции и удобрения и рассчитывает дозировки по гектарам.
Агрономические решения синхронизируются с производственными циклами для конкретной культуры и почвы.
В агробиотехнопарке Ruseed применяются алгоритмы предиктивной селекции для создания семян под климатические условия и запросы заказчиков.
Алгоритмы помогают быстрее подбирать перспективные комбинации признаков и сокращать сроки создания новых гибридов; количественный эффект не раскрыт.
Институт начал использовать ExactFarming для оцифровки земельного фонда, аналитики затрат и планирования деятельности по участкам, разделённым между наукой и производством.
Сервис полноценно используется для работы с данными и планирования на 2027 год.
Камеры на тележках собирают фото- и видеопоток вдоль рядов; ИИ-модель выявляет отклонения в росте растений и передаёт информацию агроному. Машинное обучение прогнозирует урожайность по данным о росте, зрелости плодов и историческим факторам.
По словам директора по ИИ-продуктам Сбер2В, интеграция видеоаналитики и машинного обучения в тепличном хозяйстве позволяет увеличивать сбор урожая на 20%.
После запуска системы планирования уборки урожая разработан и внедрен алгоритм комплексного планирования и оптимизации остальных полевых работ с интеграцией с информационными системами «Русагро».
Решение позволяет увеличить урожайность до 10% в год и сократить издержки на ГСМ и ремонт техники на 6,4%.