Модераторы Aleksey Kurenin Опубликовано 23 февраля, 2008 Модераторы Поделиться Опубликовано 23 февраля, 2008 (изменено) Уважаемые коллеги, у меня вот тут была небольшая дискуссия с одним из участников форума. Мы решили, что нам необходимо больше мнений по заданному вопросу. Вот наша переписка: Все больше пытаюсь вникнуть в агротехнологию закрытого грунта, пытаюсь в excel сформировать математическую модель питания растений в зависимости от различных факторов будь то анализ дренажа, субстрата, вытяжка из субстрата, анализ листьев, солнечная радиация, температура, влажность, уровень СО2 итд итп, в виду своей пока еще малой опытности четкой привязки ко всем факторам сделать не могу, но пытаюсь, так возник вопрос к Вам не существует ли готовой программы или таблицы в excel, которые бы уже основываясь на многолетнем опыте агрономов позволяли бы эффективно управлять стратегией поливов, температурно-влажностным режимом итд итп на основе всех возможных факторов влияния. Заранее благодарен за ответ. Боюсь, что я такой программы не знаю. Что касается минерального питания, то существует масса программ для расчёта питательных растворов. В некоторых уже заложены различные рецепты для разных фаз развития растений и есть возможность учитывать анализы дренажа и др. > Что касается поливов и их связи с солнечной радиацией и другими параметрами, а также управлением температурой и влажностью и т п. ТО все современные программы управления микроклиматом (Priva, Sercom, Fito, Netafim, и многие многие другие) имеют в себе огромное количество возможностей управлять всеми этими параметрами в корреляции друг с другом. Все эти алгоритмы управления пустые, то есть их необходимо заполнять самим. > Но, никаких готовых схем не существует, есть только общие закономерности. Если хотите знать моё мнение, то я думаю, что составление таких схем непомерно сложная задача (если у Вас получится, то это будет очень здорово) и к тому же имеющая сомнительный практический смысл. > Я лично специализируюсь на стратегиях управления водным режимом в субстрате, но поверьте, каждое хозяйство (а также культура, гибрид, теплица, климатическая зона, состояние растения) имеет какие то свои особенности и у всех разные решения одних и тех же задач. > Очень часто решение о изменении дозы полива или температуры или ещё чего либо принимается не на основе готовой схемы, а на основе разностороннего анализа ситуации в теплице с учётом нескольких факторов, многие из которых с трудом поддаются "оцифровыванию". Алексей, вот все вы абсолютно правильно говорите - "разносторонний анализ с учетом различных факторов". Но ведь фактически задачи ведь сводятся именно к анализу различных факторов на основании которых агроном принимает решение, в любом случае агроном не способен проанализировать досконально все факторы,более того, он должен на основании их анализа принять одно грамотное решение или стратегию по решениям, так моя идея в том, чтобы можно было сделать модель с учетом всех возможных факторов будь то солнечная радиация, анализ субстрата, анализ листа, анализ дренажа, температурный график, влажностный, естественно стадия развития растений, заболевания,тип субстрата, сам вид растений и чем больше будет таких факторов на которые можно влиять тем более модель будет адекватна к реальным условиям и соответственно к повышению урожайности,естественно всех факторов я учесть не могу, может быть вы мне поможете восполниь проблемы в знаниях. Кстати кроме Фито-агроном, какие еще существуют программы по расчетам? Кроме Фитовского "Агронома" есть ещё у АИК-Агро такая же программа. Они их продают. Но такие программы есть у многих. У меня например своя была, когда я в Кемира Агро работал. Я её сам в exele сделал. Там ничего сложного нет. Думаю, что их полезность немного переоценена. > Что касается основной части Вашего вопроса, то я остаюсь при своём, достанточно скептическом мнении по этому поводу. Я не согласен с тем, что агроном не в состоянии проанализировать все факторы. Он должен быть в состоянии, по крайней мере стремиться к этому. Тут конечно возникает другая проблема, особенно если смотреть на наши Родные предприятия, что у Вас в Украине, что у нас в России, болезни примерно одинаковые. Хотя должен сказать, что в Украине дело немного лучше в этом плане, у Вас частный бизнес более развит. Я тут имею ввиду, чем этот агроном должен заниматься на работе - тепличниц и пьяных слесарей гонять или анализировать ситуацию и принимать решения. > Лично я боюсь отдавать на откуп машине стратегических принятие решений о климате или поливе, я имею в виду, что все эти закономерности сложны и не имеют чётких алгоритмов действий. Ну не верю я пока в это. Возможно у меня у самого не хватает знаний. > Да! У меня идея. Давайте перенесём дискуссию об этом в открытый доступ. Я могу всё скопировать на форум. Что думаете? Ну вот это всё. Так что просим высказываться. Изменено 15 февраля пользователем BKB Поджал текст. Ссылка на комментарий
0 Модераторы BKB Опубликовано 7 декабря, 2017 Модераторы Поделиться Опубликовано 7 декабря, 2017 В 05.12.2017 в 21:50, BKB сказал: ... это одна из экспериментальных температурных стратегий для растений до вступления в плодоношение ... Добавлю, что целью таких экспериментов единственно было обеспечить экономию энергии (топлива). Это всё вариации на очень непростую тему применения интегрированной температуры в контролируемых условиях. Также эта стратегия достаточно хороша для выращивания закалённой рассады овощных и декоративных растений для открытого грунта. В 04.12.2017 в 17:35, Alexander Elin сказал: Я уж думал, что этот форум ничем мне не поможет, но ошибался. Вы действительно ошибались, этот форум Вам добавит ещё много непростой работы ! Всё забывал написать, что для адекватной программы анализа производственного процесса в ЗГ, потребуется ОБЯЗАТЕЛЬНО вводить вручную данные по регистрации параметров состояния культуры, в частности всевозможные обмеры растений, даты выполнения мероприятий по уходу и т.п.. Как введение в проблему, полностью прочитайте тему http://greentalk.ru/topic/2440/ ! Сможете математически описать и обучить нейронную сеть, например, формировкам растений томата и огурца ? 1 Ссылка на комментарий
0 Редактор Редактор Опубликовано 17 мая, 2019 Редактор Поделиться Опубликовано 17 мая, 2019 Текст: В. Филатова, специалист компании Odgers Berndtson В экономической сфере диджитализация подразумевает активное использование цифровых технологий для увеличения эффективности предприятия и оптимизации производственных и рабочих процессов. Сегодня подобные решения активно внедряются не только в банковском секторе или области информационных технологий, но и в сельском хозяйстве. В России аграрная отрасль достаточно успешно развивается. По данным Росстата, за 2017 год объем инвестиций в эту сферу составил 226,9 млрд рублей, что оказалось на 2,4% больше показателей за аналогичный период предыдущего года. При этом внедрение передовых технологий в сельском хозяйстве нашей страны происходит не менее активно, чем в Европе. Не следует считать объяснением такого быстрого роста лишь запрет на импорт ряда категорий продуктов — причины подобного явления скрываются намного глубже. ТОЧНЫЙ РАСЧЕТ Сегодня в европейских государствах двигателем прогресса становится повышение производительности и внедрение, в первую очередь, технологии ГМО и вертикальных теплиц, в то время как в России главной задачей предприятий выступает снижение затрат. Решить ее можно за счет диджитализации, позволяющей установить контроль над всеми процессами в режиме реального времени. При реализации данной технологии датчики и трекеры на комбайнах, тракторах и бензовозах, устройства в складских помещениях передают информацию в облачную систему, откуда после обработки она поступает на электронные устройства агрария. Данный механизм дает возможность руководителю бороться с хищением или нецелевым использованием расходных материалов. Например, недавно владелец одного из хозяйств с помощью технологических решений заметил, что сотрудники сливают в канаву вредные для здоровья химические продукты, и смог пресечь подобное нарушение. Цифровые технологии снижают риски ошибок работников и исключают самоуправство, которое трудно контролировать на больших территориях. Помимо этого, инновации помогают оптимизировать текущие затраты, то есть снизить себестоимость продукции. Так, при помощи систем глобального позиционирования, например ГЛОНАСС, аэрофотоснимков или фотографий со спутников собираются сведения, которые анализируют специальные программы на базе геоинформационных структур. Полученные данные позволяют планировать посев, рассчитывать количество необходимых удобрений для участка поля, нормы средств защиты растений. К примеру, в 2017 году Группа компаний «АгроТерра» запустила пилотный проект с израильским разработчиком платформы для расчета доз подкормок Smart Fertilizer. Уже на этапе эксперимента урожайность сои в агрохолдинге возросла на 15%, а маржинальность — на 5%. Однако интеграция подобных систем в офисные программы управления только начинается, поэтому менеджеры предприятий должны быть готовы принимать оперативные решения самостоятельно. ОБУЧЕНИЕ МАШИН Современные технологии уже приносят многим компаниям отличные результаты. К примеру, их внедрение позволило предприятию «Липецкагро» за 2016 год увеличить выручку в четыре раза — до 2,3 млрд рублей. Программное обеспечение, которое используется на комбинате, дает возможность удаленно выпускать шмелей, опыляющих растения, смешивать составы для питания культур, менять давление и контролировать все существующие процессы. Комплекс технологий в такой теплице снижает затраты на отопление на 25% и увеличивает урожайность на 20%. Каждая линия оснащена штрихкодами для разных типов работ. Например, сотрудник, ответственный за урожай, прикладывает к нему индивидуальный прибор учета, а в конце смены все собранные им овощи взвешиваются. По соотношению затраченного времени к массе и качеству сборки работник получает бонусы к зарплате. В 2016 году в нашей стране тестировался беспилотный трактор «АгроБот», способный работать без перерывов и получать больший объем урожая. Механизатор участвует только в удаленном контроле над данной машиной, поэтому ему не нужно находиться непосредственно в ее кабине. Более того, с одного пульта специалист может управлять сразу несколькими единицами техники. Значительное преимущество беспилотного трактора также состоит том, что такой вид агрегата может передвигаться в любых условиях, однако при этом следует тщательно следить за всеми показателями. В основе похожей разработки Cognitive Agro Pilot лежит обучение программы с помощью нейросети, то есть команда инженеров создала систему автоматического вождения на базе искусственного интеллекта для комбайнов и тракторов. В этом случае в технику загружаются различные изображения и видеозаписи с полей, по которым программа «учится», как действовать в реальных условиях. Затем технология внедряется в аграрное оборудование, самостоятельно контролирующее все процессы, собирающее урожай и выполняющее другие работы на сельхозпредприятии. В результате машина постепенно становится «умнее». Сейчас данная разработка успешно тестируется. МОЛОДОЕ ПОКОЛЕНИЕ С наступлением новой технологической эры сельское хозяйство принципиально меняется. В результате многие фермеры, в общеевропейском понятии являющиеся людьми в возрасте, привыкшие работать согласно проверенным временем правилам, сейчас далеко не всегда оказываются в состоянии конкурировать с более эффективными технологичными решениями. Следует отметить, что традиционно европейский фермер — богатый производитель, обладающий профицитом техники, значительными возможностями контроля над каждым метром земли, быстрого сева и уборки. В то же время современный российский аграрий — чаще всего молодой человек, склонный к риску. По данным исследования компании Odgers Berndtson, сейчас больше половины генеральных директоров отечественных сельскохозяйственных предприятий — бывшие специалисты сфер управления и финансов, то есть данная отрасль является привлекательной для предпринимателей, и в нее часто приходят из других областей. Именно такие бизнесмены становятся проводниками технологического прогресса, поскольку не боятся экспериментов. В сфере среднего менеджмента более 70% выпускников сельскохозяйственных вузов получили в 2016 году направление на работу. Тем не менее стереотипы насчет низкого уровня зарплат в отрасли сильно влияют на желание молодежи получать образование по агропромышленным специальностям, что сказывается на предложении высших учебных заведений. В нашей стране существует лишь 86 вузов, которые готовят бакалавров по профилю агроинженерии. Из-за такой диспропорции возникает существенный дефицит кадров. При этом больше всего сектор нуждается в менеджерах, которых сельскохозяйственные учебные заведения не готовят. В результате найти опытного управляющего с десятилетним стажем достаточно трудно, и нередко ими становятся бывшие владельцы предприятий, продавшие свои активы. ВОПРОС ОПЫТА При подборе менеджеров с кадровыми агентствами работает малое количество аграрных компаний, поскольку их услугами сельхозпроизводители пользуются в основном при поиске оперативного персонала. При этом хедхантеры редко учитывают все требования, предъявляемые к соискателям, полагая, что хороший руководитель быстро сориентируется на месте. Однако отсутствие опыта работы в АПК может поставить даже коммерческого директора с многолетним стажем в затруднительное положение, когда придет время посевных работ. Засеять ли землю культурой, которая даст больший объем урожая, и надеяться на то, что всю продукцию удастся реализовать, или заключить с клиентами форвардный контракт, а потом закрыть пробелы урожая, докупая товар у конкурентов, — для человека без отраслевой практики такой выбор превращается в непредсказуемую игру. Более того, даже успешно внедренные технологии оказываются бессильны перед ошибками в управлении. Например, элеваторы можно оборудовать системой автоматизированного контроля температуры, но подобное решение не будет эффективным, если на предприятии стабильно отключается электричество. Именно с такой распространенной проблемой столкнулся менеджер одной из российских компаний. Однако вместо того, чтобы искать причину систематических сбоев, он каждый раз заранее готовился к чрезвычайной ситуации. Поскольку собственная сформировавшаяся база кандидатов на должность руководителей в России отсутствует, к управлению некоторыми хозяйствами еще на этапе строительства привлекают иностранных специалистов, которые обучают наших соотечественников. ВЫРАСТИТЬ КАДРЫ Одно из наиболее удачных решений при современной конъюнктуре — внедрение систематического внутреннего обучения резервистов и HiPo, то есть технологии проектирования и документирования, уже не первый год практикуемых, например, фармацевтическими компаниями. Другой подход — нанимать сотрудников на управляющие должности из иных направлений и надеяться, что произойдет синергия. Однако более перспективным считается именно образование работников, что реализуют многие крупные предприятия. Так, кадровая политика компании «Русагро» направлена на привлечение молодых специалистов непосредственно во время их пребывания в вузах. В дальнейшем они проходят в агрохолдинге дополнительное обучение и могут надеяться на карьерный рост до руководителей подразделений. В нашей стране производство продуктов питания — зона огромного потенциала для диджитализации. При этом важно понимать, что наука и технологии не будут работать отдельно. Для их эффективного применения и дальнейшего развития отрасли необходимо, чтобы во главе процесса стоял дальновидный руководитель, способный улавливать только намечающиеся тенденции, адаптироваться и экспериментировать. Его основной навык — «принудительная эффективность». Лидеру придется постоянно оценивать результативность компании, вносить изменения в работу, но главное — быть подвижным и не стоять на месте. Даже если менеджеру кажется, что сейчас предприятие работает максимально эффективно, останавливаться нельзя — в подвижной среде всегда присутствуют руководители, продолжающие наращивать обороты, изучать новые методы и технологии производства. http://agbz.ru/ Ссылка на комментарий
Текст: В. Филатова, специалист компании Odgers Berndtson В экономической сфере диджитализация подразумевает активное использование цифровых технологий для увеличения эффективности предприятия и оптимизации производственных и рабочих процессов. Сегодня подобные решения активно внедряются не только в банковском секторе или области информационных технологий, но и в сельском хозяйстве. В России аграрная отрасль достаточно успешно развивается. По данным Росстата, за 2017 год объем инвестиций в эту сферу составил 226,9 млрд рублей, что оказалось на 2,4% больше показателей за аналогичный период предыдущего года. При этом внедрение передовых технологий в сельском хозяйстве нашей страны происходит не менее активно, чем в Европе. Не следует считать объяснением такого быстрого роста лишь запрет на импорт ряда категорий продуктов — причины подобного явления скрываются намного глубже. ТОЧНЫЙ РАСЧЕТ Сегодня в европейских государствах двигателем прогресса становится повышение производительности и внедрение, в первую очередь, технологии ГМО и вертикальных теплиц, в то время как в России главной задачей предприятий выступает снижение затрат. Решить ее можно за счет диджитализации, позволяющей установить контроль над всеми процессами в режиме реального времени. При реализации данной технологии датчики и трекеры на комбайнах, тракторах и бензовозах, устройства в складских помещениях передают информацию в облачную систему, откуда после обработки она поступает на электронные устройства агрария. Данный механизм дает возможность руководителю бороться с хищением или нецелевым использованием расходных материалов. Например, недавно владелец одного из хозяйств с помощью технологических решений заметил, что сотрудники сливают в канаву вредные для здоровья химические продукты, и смог пресечь подобное нарушение. Цифровые технологии снижают риски ошибок работников и исключают самоуправство, которое трудно контролировать на больших территориях. Помимо этого, инновации помогают оптимизировать текущие затраты, то есть снизить себестоимость продукции. Так, при помощи систем глобального позиционирования, например ГЛОНАСС, аэрофотоснимков или фотографий со спутников собираются сведения, которые анализируют специальные программы на базе геоинформационных структур. Полученные данные позволяют планировать посев, рассчитывать количество необходимых удобрений для участка поля, нормы средств защиты растений. К примеру, в 2017 году Группа компаний «АгроТерра» запустила пилотный проект с израильским разработчиком платформы для расчета доз подкормок Smart Fertilizer. Уже на этапе эксперимента урожайность сои в агрохолдинге возросла на 15%, а маржинальность — на 5%. Однако интеграция подобных систем в офисные программы управления только начинается, поэтому менеджеры предприятий должны быть готовы принимать оперативные решения самостоятельно. ОБУЧЕНИЕ МАШИН Современные технологии уже приносят многим компаниям отличные результаты. К примеру, их внедрение позволило предприятию «Липецкагро» за 2016 год увеличить выручку в четыре раза — до 2,3 млрд рублей. Программное обеспечение, которое используется на комбинате, дает возможность удаленно выпускать шмелей, опыляющих растения, смешивать составы для питания культур, менять давление и контролировать все существующие процессы. Комплекс технологий в такой теплице снижает затраты на отопление на 25% и увеличивает урожайность на 20%. Каждая линия оснащена штрихкодами для разных типов работ. Например, сотрудник, ответственный за урожай, прикладывает к нему индивидуальный прибор учета, а в конце смены все собранные им овощи взвешиваются. По соотношению затраченного времени к массе и качеству сборки работник получает бонусы к зарплате. В 2016 году в нашей стране тестировался беспилотный трактор «АгроБот», способный работать без перерывов и получать больший объем урожая. Механизатор участвует только в удаленном контроле над данной машиной, поэтому ему не нужно находиться непосредственно в ее кабине. Более того, с одного пульта специалист может управлять сразу несколькими единицами техники. Значительное преимущество беспилотного трактора также состоит том, что такой вид агрегата может передвигаться в любых условиях, однако при этом следует тщательно следить за всеми показателями. В основе похожей разработки Cognitive Agro Pilot лежит обучение программы с помощью нейросети, то есть команда инженеров создала систему автоматического вождения на базе искусственного интеллекта для комбайнов и тракторов. В этом случае в технику загружаются различные изображения и видеозаписи с полей, по которым программа «учится», как действовать в реальных условиях. Затем технология внедряется в аграрное оборудование, самостоятельно контролирующее все процессы, собирающее урожай и выполняющее другие работы на сельхозпредприятии. В результате машина постепенно становится «умнее». Сейчас данная разработка успешно тестируется. МОЛОДОЕ ПОКОЛЕНИЕ С наступлением новой технологической эры сельское хозяйство принципиально меняется. В результате многие фермеры, в общеевропейском понятии являющиеся людьми в возрасте, привыкшие работать согласно проверенным временем правилам, сейчас далеко не всегда оказываются в состоянии конкурировать с более эффективными технологичными решениями. Следует отметить, что традиционно европейский фермер — богатый производитель, обладающий профицитом техники, значительными возможностями контроля над каждым метром земли, быстрого сева и уборки. В то же время современный российский аграрий — чаще всего молодой человек, склонный к риску. По данным исследования компании Odgers Berndtson, сейчас больше половины генеральных директоров отечественных сельскохозяйственных предприятий — бывшие специалисты сфер управления и финансов, то есть данная отрасль является привлекательной для предпринимателей, и в нее часто приходят из других областей. Именно такие бизнесмены становятся проводниками технологического прогресса, поскольку не боятся экспериментов. В сфере среднего менеджмента более 70% выпускников сельскохозяйственных вузов получили в 2016 году направление на работу. Тем не менее стереотипы насчет низкого уровня зарплат в отрасли сильно влияют на желание молодежи получать образование по агропромышленным специальностям, что сказывается на предложении высших учебных заведений. В нашей стране существует лишь 86 вузов, которые готовят бакалавров по профилю агроинженерии. Из-за такой диспропорции возникает существенный дефицит кадров. При этом больше всего сектор нуждается в менеджерах, которых сельскохозяйственные учебные заведения не готовят. В результате найти опытного управляющего с десятилетним стажем достаточно трудно, и нередко ими становятся бывшие владельцы предприятий, продавшие свои активы. ВОПРОС ОПЫТА При подборе менеджеров с кадровыми агентствами работает малое количество аграрных компаний, поскольку их услугами сельхозпроизводители пользуются в основном при поиске оперативного персонала. При этом хедхантеры редко учитывают все требования, предъявляемые к соискателям, полагая, что хороший руководитель быстро сориентируется на месте. Однако отсутствие опыта работы в АПК может поставить даже коммерческого директора с многолетним стажем в затруднительное положение, когда придет время посевных работ. Засеять ли землю культурой, которая даст больший объем урожая, и надеяться на то, что всю продукцию удастся реализовать, или заключить с клиентами форвардный контракт, а потом закрыть пробелы урожая, докупая товар у конкурентов, — для человека без отраслевой практики такой выбор превращается в непредсказуемую игру. Более того, даже успешно внедренные технологии оказываются бессильны перед ошибками в управлении. Например, элеваторы можно оборудовать системой автоматизированного контроля температуры, но подобное решение не будет эффективным, если на предприятии стабильно отключается электричество. Именно с такой распространенной проблемой столкнулся менеджер одной из российских компаний. Однако вместо того, чтобы искать причину систематических сбоев, он каждый раз заранее готовился к чрезвычайной ситуации. Поскольку собственная сформировавшаяся база кандидатов на должность руководителей в России отсутствует, к управлению некоторыми хозяйствами еще на этапе строительства привлекают иностранных специалистов, которые обучают наших соотечественников. ВЫРАСТИТЬ КАДРЫ Одно из наиболее удачных решений при современной конъюнктуре — внедрение систематического внутреннего обучения резервистов и HiPo, то есть технологии проектирования и документирования, уже не первый год практикуемых, например, фармацевтическими компаниями. Другой подход — нанимать сотрудников на управляющие должности из иных направлений и надеяться, что произойдет синергия. Однако более перспективным считается именно образование работников, что реализуют многие крупные предприятия. Так, кадровая политика компании «Русагро» направлена на привлечение молодых специалистов непосредственно во время их пребывания в вузах. В дальнейшем они проходят в агрохолдинге дополнительное обучение и могут надеяться на карьерный рост до руководителей подразделений. В нашей стране производство продуктов питания — зона огромного потенциала для диджитализации. При этом важно понимать, что наука и технологии не будут работать отдельно. Для их эффективного применения и дальнейшего развития отрасли необходимо, чтобы во главе процесса стоял дальновидный руководитель, способный улавливать только намечающиеся тенденции, адаптироваться и экспериментировать. Его основной навык — «принудительная эффективность». Лидеру придется постоянно оценивать результативность компании, вносить изменения в работу, но главное — быть подвижным и не стоять на месте. Даже если менеджеру кажется, что сейчас предприятие работает максимально эффективно, останавливаться нельзя — в подвижной среде всегда присутствуют руководители, продолжающие наращивать обороты, изучать новые методы и технологии производства. http://agbz.ru/
0 Модераторы BKB Опубликовано 28 августа, 2020 Модераторы Поделиться Опубликовано 28 августа, 2020 В середине-конце августа 2020 г. выходит из печати новый Тепличный практикум "Управление выращиванием" (316 стр., 292 фото, 90 таблиц, графиков и рисунков). С содержанием можно познакомиться на http://ghservice.ru/index.php?area=1&p=news&newsid=42. В пособии рассмотрены: – факторы среды, влияющие на управление выращиванием; – средства контроля; – управление растением; – управление поливом; – управление минеральным питанием. 2 Ссылка на комментарий
0 Модераторы BKB Опубликовано 13 февраля, 2021 Модераторы Поделиться Опубликовано 13 февраля, 2021 (изменено) 04.02.2021 в 16:26, Сергей Черных сказал: С 16 по 18 февраля Вас ожидают 8 интерактивных онлайн-семинаров по агрегированию, обработке и интерпретации больших массивов данных (big data) в промышленных комплексах... Предварительную программу заявленной веб-конференции можно посмотреть на https://eva-light.com/ga2021/#webinar-page. На мой взгляд, программа выступлений на такую важную тему сформирована однобоко. Будет представлено несколько докладов/презентаций об облачной платформе PYLOT (https://www.pylot.nl/ru; вебинар «Eва-свет» от 24-27.11.2020 – https://www.youtube.com/watch?v=lmQUPuDgQHw). От разработчиков аналогичных платформ, которые ничем не уступают, а, возможно, и более удобны для руководителей, технологов и инженеров отрасли защищённого грунта не планируется ни одного выступления! Это, во-первых, решение Smart Greenhouse, разработанное ООО "АЛАН-ИТ" (https://smart4agro.com/ru/greenhouses/), которое представляет собой "цифровой двойник" тепличного хозяйства, который на основе данных рассчитывает зависимости и выявляет ключевые факторы, влияющие на количество и качество выращиваемых культур. Одна из опций сервиса - мониторинг климатических параметров, которые напрямую зависят от энергопотребления. Разработка была начата раньше всех – в 2017 году, и уже опробована в известном ТК «Агро-Инвест» в Людиновском районе Калужской области (https://smart4agro.com/ru/cases/agro-invest-llc/). Во-вторых, существует мало рекламируемая, но весьма интересная Система автоматизации агропроизводства, разработанная в УК "Горкунов". По сравнению с PYLOT и Smart Greenhouse, она гораздо лучше учитывает нюансы именно агрономических (технологических) операций в современном тепличном производстве. О системе рассказывал её разработчик Д.Г. Хахулин на II-й ежегодной конференции «Инженерные системы и экономика тепличных комплексов – 2020» (https://seymartec.ru/greenhouse-2020/). Кстати, обсуждение первой (пробной) версии Smart Greenhouse проходило три года назад в теме «Алгоритмы и программы управления факторами роста растений в защищенном грунте» (https://greentalk.ru/topic/123/, ник Alexander Elin). Предполагаю, что не только у меня появятся вопросы по поводу "сходства до степени смешения" PYLOT от голландской KUBO, со Smart Greenhouse из Ярославля . Изменено 24 февраля, 2021 пользователем BKB Небольшое добавление. Ссылка на комментарий
0 Ditto Опубликовано 15 февраля, 2021 Поделиться Опубликовано 15 февраля, 2021 14.02.2021 в 14:39, BKB сказал: "сходства до степени смешения" Всё новое - хорошо замаскированное старое. 2 Ссылка на комментарий
0 Модераторы BKB Опубликовано 16 февраля, 2021 Модераторы Поделиться Опубликовано 16 февраля, 2021 (изменено) 23 часа назад, Ditto сказал: Всё новое - хорошо замаскированное старое. Судя по всему, обе системы – русифицированный клон известной с 2016 года голландской системы 30MHz ZENSIE (https://www.30mhz.com/products/platform/) . Вы как раз работаете с их фирменными датчиками в ГетлиниЭко и в других хозяйствах. Изменено 16 февраля, 2021 пользователем BKB Я ошибся, используются датчики от Aranet. Ссылка на комментарий
0 Ditto Опубликовано 16 февраля, 2021 Поделиться Опубликовано 16 февраля, 2021 (изменено) 11 часов назад, BKB сказал: Вы как раз работаете с их фирменными датчиками в ГетлиниЭко и в других хозяйствах Не правда - мы когда-то работали с Trutina https://gremonsystems.com/, а уже с 2017 года декабря начали работать с Aranet https://aranet.com/ , как появится что то более достойное - будим работать с тем. С 30MHz сенсорами не работали из-за их дороговезны и цены за сбор и обработку данных, пока в Aranet этого нет. С Trutina другая беда - нет интернета=нет данных, так как они на устройстве только собирают цифровой сигнал и вся агрегация в облаке, пока у Aranet всё локально на устройстве и доступна через встроеный иртерфейс, который довольно глупый, но для первичной визуализации годится. По сути, для всех сенсоров нужен агрегатор, надо делать или свой, или присоединяться к какому-то из них, хоть к тому же 30MHz Zensie. Pylot, по моему мнению, намного развёрнутая система, чем 30MHz Zensie или Letsgrow, а Priva тоже ещё должна вырасти до их уровня. Про российских ребят не знаю, но знаю, что если есть знания программирования, что то подобное может сделать любой, но чтобы это стало успешным и масштабируемым проектом - отнюнь не каждый это сможет. Теперь идёт борьба не про то, кто лучше, но про то, кто хапнет побольше кусок и приручит клиента. Менее техничным людям сложно даётся смена системы, поэтому важно теперь их приручить. Сложность складывается в том, что для тех, кто и Эксель не познал, это вообще какой-то космос. Собственно мне из всех пока Pylot нравится больше - нет заморочек интегрировать всё и вся, агрегация данных на разных уровнях и с удобными возможностями анализа, плюс они более поворотливы - Letsgrow датчики Aranet не могли схавать за полтора года (так как не хотели), а Pylot за неделю. Так и с обработкой данных - если что-то новое появляется для кого то, то это доступно и для других. А программ разных – как грязи, в России пока только про пару из них говорят, и старые умирают, новые рождаются, и важно сделать менее неправильный выбор и выбрать то, что развивается и растёт. Изменено 16 февраля, 2021 пользователем BKB Опечатки. 4 Ссылка на комментарий
0 Ditto Опубликовано 18 февраля, 2021 Поделиться Опубликовано 18 февраля, 2021 (изменено) В продолжении вебинаря выкладываю презентацию "Цифровые органы чувств тепличного комплекса". sensors_in_gh_RU.pdf Изменено 18 февраля, 2021 пользователем BKB Название презентации. 3 Ссылка на комментарий
0 Модераторы Популярный пост Марите Опубликовано 18 февраля, 2021 Модераторы Популярный пост Поделиться Опубликовано 18 февраля, 2021 Это был замечательный веб-марафон, жаль, что я не смогла послушать все выступления. Ditto, вообще вне конкуренции :) Подумайте, как важны все эти датчики, мы бы еще сто лет не знали о возможном влиянии температуры воды из капельницы на аскохитоз прикорневой части стебля огурца. Интересно, с каким энтузиазмом агрономы восприняли идею автоматического планирования урожайности. А ведь существует значительный риск, что руководство поведется на эти математические модели и чуть что будет винить агрономов в "недоборе" урожая, который может быть вызван множеством причин. 5 Ссылка на комментарий
0 Ditto Опубликовано 18 февраля, 2021 Поделиться Опубликовано 18 февраля, 2021 (изменено) 6 минут назад, Марите сказал: А ведь существует значительный риск, что руководство поведется на эти математические модели и чуть что будет винить агрономов в "недоборе" урожая, который может быть вызван множеством причин. Это то препятствие, про которое я говорил за круглым столом. В нашем случае проще - мы в каком то смысле сами себе хозяева и нам нужно и интересно получить выше результат. Неправильная интерпретация процессов, про которые нет полных знаний, в основном приводят к не желаемому исходу для одной из сторон. Изменено 18 февраля, 2021 пользователем Марите поправила опечатки 2 Ссылка на комментарий
0 Модераторы BKB Опубликовано 18 февраля, 2021 Модераторы Поделиться Опубликовано 18 февраля, 2021 1 минуту назад, Марите сказал: А ведь существует значительный риск, что руководство поведется на эти математические модели и чуть что будет винить агрономов в "недоборе" урожая, который может быть вызван множеством причин. Именно это я тоже посчитал главным (и, наверное, единственным) недостатком системы. Вероятностный прогноз менеджеры с бухгалтерами обязательно станут трактовать как реальную упущенную выгоду! 3 Ссылка на комментарий
0 Модераторы BKB Опубликовано 21 февраля, 2021 Модераторы Поделиться Опубликовано 21 февраля, 2021 (изменено) С 2018 года Delphy издает собственный электронный журнал DE Delphy (на нидерландском языке), с новостями из всех секторов, в которых они работают. Номер журнала за Осень-2020 (https://delphy.nl/wp-content/uploads/2021/01/DE-Delphy-najaar-2020_v0400-lowres.pdf) посвещён как раз GROENE DIGITALISERING [Цифровизации выращивания]. Изменено 21 февраля, 2021 пользователем BKB Добавление. 1 Ссылка на комментарий
0 Модераторы BKB Опубликовано 1 марта, 2021 Модераторы Поделиться Опубликовано 1 марта, 2021 (изменено) Отраслевые цифровые платформы для защищённого грунта Богданов К.Б., модератор GreenTalk.ru Сетевая публикация-реферат для ресурса GreenTalk по мотивам знаковых вебинаров для защищённого грунта:♦ Ситуационный центр управления теплицей. От климата к экономике (II ежегодная конференция «Инженерные системы и экономика тепличных комплексов – 2020», https://seymartec.ru/greenhouse-2020/).♦ Систематизация информации тепличного хозяйства на платформе PYLOT (Вебинар «Eва-свет» от 24.11.2020 – https://www.youtube.com/watch?v=lmQUPuDgQHw);♦ Веб-конференция GREENHOUSE AUTOPYLOT 2021 от 16-18.02.2021 (https://greentalk.ru/topic/25908/). Также использованы отдельные определения из Википедии, материалы журнала DE Delphy (Najaar 2020) и открытая информация разработчиков отраслевых платформ. 1. Приоритет объективных оценок и решений, основанных на цифровых данных и моделях Голландские «зелёные знания», а именно личный опыт производителей и специалистов-консультантов по растениеводству, находятся на самом высоком уровне, но ограничены в масштабируемости. Размеры хозяйств непрерывно увеличиваются, в то время как «зелёные знания» становятся всё более редкими. Кроме того, наблюдается стремительный рост мирового населения. Продовольствие должно производиться во всё бо́льших количествах, а знания, необходимые для этого, должны сделаться более доступными. Исторически на практике появилось много терминов для описания развития культуры: «сильная», «слабая», «генеративная» или «вегетативная». Теперь физиологические процессы и реакции растений переводятся в измеримые параметры, чтобы добиться управления культивированием на основе цифровых данных. Измерять – значит знать! С помощью датчиков (сенсоров) уже собрано много данных практически во всех отраслях растениеводства. Эти объективные показатели состоят в основном из данных о состоянии и физиологии растений, микроклимате и поливе. Оценки растения и культуры традиционно основывается на знаниях и опыте овощевода. Однако эти оценки бывают субъективными, что может привести к чрезмерной коррекции технологии и неоптимальному использованию ресурсов. Управление выращиванием, основанное на данных, становится менее зависимым от человеческих знаний и опыта, и объективизирует оценки и решения. Принимать правильные и своевременные решения можно только тогда, когда есть объективная, реальная картина развития культуры. Поэтому основой для управляемого выращивания становятся непрерывное измерение физиологических процессов и реакций растений на основе математических алгоритмов. Полученные данные могут быть использованы на различных уровнях управления культивированием. Сенсоры, данные и математические модели роста растений станут новыми голландскими «зелёными знаниями»! Если мы сможем оцифровать профессиональные знания и опыт растениеводов, то они станут воспроизводимыми и масштабируемыми. Также экспериментальные работы традиционно проводились на научно-исследовательских станциях, поэтому там не было реального доступа к коммерческим условиям. Но теперь технология беспроводных датчиков закрывает и этот разрыв между наукой и практикой! 2. Необходимый минимум терминологии Маркетологи каждый день придумывают новые красивые термины и сказочные технологии. Тем не менее, часть из них приживается и приникает в нашу повседневную жизнь. Здесь я подобрал и адаптировал некоторый набор терминов, необходимый для понимания темы «молодыми специалистами». А понимать придётся обязательно, поскольку всё это стало активно использоваться в современной практике защищённого грунта! Цифровизация (англ. digitalization) – это постоянное измерение техническими средствами показателей работы оборудования и/или людей с целью сделать все процессы производства наблюдаемыми, управляемыми и предсказуемыми. Кибер-физическая система (англ. cyber-physical system) – информационно-технологическая концепция, подразумевающая интеграцию вычислительных ресурсов в физические сущности любого вида, включая биологические. Развитие проводных и беспроводных сетей связи показало, что любой объект или процесс в физическом мире можно соединить с любым другим реальным объектом, процессом или системой посредством математических алгоритмов, программ и интерфейсов. И это совсем не Терминатор, на пару с Железным Человеком заглянувшие в вашу теплицу отрывать кому-нибудь руки за плохую работу . С самыми настоящими кибер-системами многие из участников форума GreenTalk работают уже многие годы: под это определение вполне попадает любая культура в современной теплице под управлением климатического компьютера. Таким образом, отраслевой кибер-системой защищённого грунта можно считать неразрывную совокупность: «агроном ↔ климат-компьютер ↔ система датчиков и исполнительных устройств ↔ культивационное сооружение ↔ агрофитоценоз». Существует целый Технический комитет 194 «Кибер-физические системы» Росстандарта (http://tc194.ru), который недавно утвердил стандарт для протокола LoRaWAN (Long Range Wide Area Networks) в форме ПНСТ «Информационные технологии. Интернет вещей. Протокол обмена для высоко ёмких сетей с большим радиусом действия и низким энергопотреблением». Наряду с этим стандартом утверждены ещё шесть нормативно-технических документов в области интернета вещей, сенсорных сетей и промышленного интернета вещей. Интернет вещей (англ. internet of things, IoT) – сетевая передача данных между автономными устройствами, оснащёнными встроенными средствами и технологиями для взаимодействия друг с другом и/или с внешней средой. Беспроводные сети LoRaWAN (LPWAN) – новый тип сетей, разработанный для передачи данных телеметрии различных устройств, сенсоров, датчиков и приборов учёта на дальние расстояния. Они имеют широкий радиус охвата, наряду с очень низким энергопотреблением. Объём передачи данных отдельно взятым устройством измеряется байтами, но этого достаточно, чтобы передавать необходимую телеметрию с конечного устройства на базовую станцию. Такие устройства, как правило, связываются с ней короткими импульсами по расписанию. Под влиянием интернета вещей формируется парадигма «больших данных», которая задаёт огромные объёмы данных и большое количество связей между ними, растущих в геометрической прогрессии. В рамках этой парадигмы формируется новый понятийный аппарат, новые методы проведения научных исследований и новые модели бизнеса.Большие данные (англ. big data) – это собранные из множества различных источников, структурированные и неструктурированные данные огромных объёмов и разнообразия. К структурированным данным относится информация, которая собирается в определённом формате. Например, это может быть таблица со строго определёнными полями. Неструктурированные данные – разнородные массивы информации без чёткой структуры. Например, это текстовые файлы, изображения, фотографии и так до бесконечности. Собранные вместе, такие данные помогают найти скрытые взаимосвязи, а в бизнесе проанализировать предпочтения клиентов, стратегии конкурентов, тенденции ценообразования и другие важные коммерческие параметры. Облачная платформа (облачный сервис, или просто облако) – группа отказоустойчивых серверов, на котором пользователь, используя интернет-сети, хранит информацию (облачное хранилище данных) и/или производит вычисления (облачные вычисления). Данные хранятся и/или обрабатываются в так называемом «облаке», которое, с точки зрения клиента, представляет собой один большой виртуальный сервер. Физически же такие серверы (дата-центры) могут располагаться географически удалённо друг от друга. Машинное обучение (англ. machine learning) – класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, математического анализа, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме. Информационная система (англ. information system) – система, предназначенная для хранения, поиска и обработки информации, и соответствующие организационные ресурсы (человеческие, технические, финансовые и т. д.), которые обеспечивают и распространяют информацию. Цифровая платформа (англ. digital platforms) – совокупность цифровых данных, моделей (логики) и инструментов (методов, средств) информационно и технологически интегрированных в единую автоматизированную функциональную систему, предназначенную для квалифицированного управления целевой предметной областью с организацией взаимодействия заинтересованных субъектов. Утверждают, что платформенный подход представляется магистральной линией развития современного бизнеса. Например, к числу общеизвестных и востребованных на сегодня цифровых платформ можно отнести следующие: – поисковые системы-платформы Google, Яндекс и другие для работы, поиска, бизнеса и рекламы; – социальные сети-платформы Facebook, Twitter, Instagram и другие для межчеловеческого общения; – магазины приложений Apple Play, Google Play для электронной торговли программными средствами; – платформы-агрегаторы для работы с Uber, Яндекс и другие для оказания услуг такси и перевозок; – платформы организаций, предоставляющих услуги удалённого доступа к бизнес-сервисам (ERP, нормативно-справочные порталы, защищённые системы «банк-клиент», сдача отчётности в электронном виде); – платформы, предоставляющие «облачные сервисы» для корпоративных заказчиков из самых различных отраслей бизнеса. Информационная панель (панель мониторинга, обзорная панель, англ. dashboard) – программный интерфейс, который объединяет все средства цифровой платформы на одном экране. Обычно является браузерным инструментом, доступ к которому можно получить с любого устройства, такого как ПК, ноутбук, планшет или смартфон. По необходимости, информационные панели способны масштабироваться под все типы мобильных устройств (планшеты, смартфоны). Продолжение публикации смотрите в https://greentalk.ru/topic/123/?do=findComment&comment=128994. Изменено 26 ноября, 2021 пользователем BKB Замеченные опечатки, ссылка на продолжение. Добавление терминов. 1 Ссылка на комментарий
0 Askar Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 2 часа назад, BKB сказал: Отраслевые цифровые платформы для защищённого грунта Богданов К.Б., модератор GreenTalk.ru Кирилл Борисович, это всё бла-бла-бла. Этот текст не понятен для 99% агрономов. Наверное, только одна Марите поняла смысл каждого слова. Кстати, странно, Вы забыли упомянуть модные нынче нейронные сети. Прочитаешь, и прям хочется выкрикнуть: "Так выпьем же за кибернетику!". Цифровизация становится способом зарабатывания денег, но овощи она не поможет вырастить. Вы поймите, этот подход заставит создавать растения с заранее известными свойствами. В противном случае система не сможет работать. Так чем это лучше и современнее, чем идеи Мичурина и Лысенко? Всё это уже было ими сказано 100 лет назад. Это у Вас от представления, что в мире полно свободной и бесплатной энергии, полно редкоземельных металлов для электроники. полно свалок для утилизации, которые находятся вдали от всё увеличивающегося человечества. А сколько весёлых отдалённых программистов будет задействовано?! И всё для того, чтобы вырастить огурец или помидор, который полежит после очередного религиозного поста и сгниёт, т.к. верующие соскучатся по мясу и рыбе. Цифровизация - это не прогресс, это не рождение новых мыслей, это создание больших массивов информации, и всё!. А ведь её надо переварить. Вы считаете, что человеку больше делать нечего, как только в режиме 24/7 анализировать всё то, что датчики насобирают? А кто будет тысячи и миллионы датчиков калибровать, проверять, ремонтировать, заменять? А где во всём этом выращивание свежих овощей? Это работа для совсем других специалистов. А у нас в стране нет ни одного учебного заведения, где готовят агрономов для теплиц. Это Вас не интересует, Вам цифровизацию подавай. Эх! 1 Ссылка на комментарий
0 Модераторы Марите Опубликовано 1 марта, 2021 Модераторы Поделиться Опубликовано 1 марта, 2021 01.03.2021 в 13:23, Askar сказал: Вы считаете, что человеку больше делать нечего, как только в режиме 24/7 анализировать всё то, что датчики насобирают? Вот именно для этого и нужна цифровизация. И если бы Ditto не навесил на растения столько датчиков, мы бы еще долго не узнали, что слишком теплая поливная вода может провоцировать развитие аскохитоза в прикорневой зоне стебля. Оказалось, что стебель бывает настолько холоднее воздуха, что вода конденсируется на нем, особенно в зоне ранок и трещинок. Локально, в зоне где из капельницы течет вода, влажность воздуха выше, чем в других местах теплицы, поэтому по показаниям стандартного датчика, висящего где-то там, все будто-бы в порядке, агроном спокоен. И даже, когда агроном ночей не спит и не может понять, что делать, чтобы предотвратить аскохитоз, но волнениями делу не поможешь. И фунгицидами тоже не поможешь, если конденсат каждый день выпадает. Надо работать с температурой. КБ сделал очень большую и важную работу, обобщив основные определения. Не надо бояться, что IT заменят агронома. Это невозможно хотя бы потому, что у агронома кругозор намного шире, чем у алгоритма. Агроном может предположить, что пустоты в ягоде земляники вызывает неравномерность полива, так как он видел похожее явление на огурце, но ни алгоритму, ни его автору и в голову не придет, что у огурца и земляники могут быть схожие проблемы. :) 1 Ссылка на комментарий
0 stils Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 1 час назад, Askar сказал: Цифровизация становится способом зарабатывания денег, но овощи она не поможет вырастить. Сбой программного обеспечения, ввод неверных данных, вирус "положит" все ТК. И будут срочно искать агронома с зарплатой порядка 5-10 лимонов в месяц. Но где его найти будет в то время? 1 Ссылка на комментарий
0 Askar Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 01.03.2021 в 13:55, Марите сказал: КБ, сделал очень большую и важную работу, обобщив основные определения. Я не отрицаю большой важности работы К.Б. для него самого, но не уверен, что она нужна в таком виде агрономам. Тем более мне не понятно, какая аскохита может быть в этой кристально-чистой цифровизированной среде. На конидии ведь датчик не поставишь! А разве без Ditto не было известно, что тёплая вода расширяет сосуды в зоне корневой шейки (об этом писал еще Ваш проф. Гунар), что может приводить к её растрескиванию. Этой информации не меньше 50 лет. Всё что трескается заселяется неконтролируемыми некротрофами и биотрофами. Все агрономы каждый день смотрят на растрескавшиеся корневые шейки и гипокотили с грустью. Жаль, что Ditto не читал наших классиков. Ах-ах! 01.03.2021 в 14:04, Марите сказал: агронома кругозор намного шире, чем у алгоритма У алгоритма нет кругозора, т.к. он сам создан человеком для упрощения сложного. 1 Ссылка на комментарий
0 Олег Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 01.03.2021 в 10:31, BKB сказал: Полученные данные могут быть использованы на различных уровнях управления культивированием. Сенсоры, данные и математические модели роста растений станут новыми голландскими «зелёными знаниями»! Если мы сможем оцифровать профессиональные знания и опыт растениеводов, то они станут воспроизводимыми и масштабируемыми. Также экспериментальные работы традиционно проводились на научно-исследовательских станциях, поэтому там не было реального доступа к коммерческим условиям. Но теперь технология беспроводных датчиков закрывает и этот разрыв между наукой и практикой! Кирилл Борисович, собираемые подобным способом данные не применимы для машинного обучения. Не выработан даже подход для подобного сбора данных. Поверьте авторитетному слову математика :)! 01.03.2021 в 14:04, Марите сказал: Не надо бояться, что IT заменят агронома. Это невозможно хотя бы потому, что у агронома кругозор намного шире, чем у алгоритма. Это под силу искусственному интеллекту. У одного производителя удобрений уже есть чат бот диагностирующий нехватку элементов по фотографии листа с точностью значительно выше статистической. Такие простые задачи называются ИИ первого уровня, их объединение в одну систему уже считается задачей второго уровня. Создание ИИ второго уровня явно не в этом десятилетии, хотя сильно зависит от развития вычислительной электроники (например автопилот автомобиля уже почти готов). 1 Ссылка на комментарий
0 olga0205 Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 23 минуты назад, Олег сказал: Это под силу искусственному интеллекту. У одного производителя удобрений уже есть чат бот диагностирующий нехватку элементов по фотографии листа с точностью значительно выше статистической. Такие простые задачи называются ИИ первого уровня, их объединение в одну систему уже считается задачей второго уровня. Создание ИИ 2го уровня явно не в этом десятилетии, хотя сильно зависит от развития вычислительной электроники (например автопилот автомобиля уже почти готов). Чушь! Поставить диагноз по листу не так и сложно, но что может дать симптом событий двухнедельной давности? 1 Ссылка на комментарий
0 Олег Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 1 минуту назад, olga0205 сказал: Чушь! Поставить диагноз по листу не так и сложно, но что может дать симптом событий двухнедельной давности? Чушь в чем? Ссылка на комментарий
0 stils Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 (изменено) 42 минуты назад, Олег сказал: Это под силу искусственному интеллекту. У одного производителя удобрений уже есть чат бот диагностирующий нехватку элементов по фотографии листа с точностью значительно выше статистической. Олег, ну это же наивность. Данные для определения откуда? От какого агронома, НИИ или огородника? Кто будет отвечать за ошибку бота? Во сколько это обойдется вопрошающему. Видел это чудо. То фото не такое, то повернуто не так. Такая же ерунда и с автопилотом. То остановился не там, то с дороги съехал и это еще не учитывая степень освещения различных камер. Изменено 1 марта, 2021 пользователем stils Ссылка на комментарий
0 Андрей Викторович Пучков Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 Расширение цифровизации, кибернетизации, роботизации и всех остальных "заций" неизбежно вообще и в тепличном растениеводстве в частности. Прогресс, ничего не поделаешь. Но влияние человеческого фактора и невозможность полного перехода на управление процесса выращивания растений искусственным интеллектом, дольше всего будет сохраняться именно в аграрном секторе, на мой взгляд. 3 Ссылка на комментарий
0 stils Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 Мы себя еще не знаем. Не можем определить свои болезни, назначить правильное лечение и т.д., а уже пытаемся оцифровать другой для нас не изученный и не понятный мир. 2 1 Ссылка на комментарий
0 Олег Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 24 минуты назад, stils сказал: Олег, ну это же наивность. Данные для определения откуда? От какого агронома, НИИ или огородника? Кто будет отвечать за ошибку бота? Во сколько это обойдется вопрошающему. Видел это чудо. То фото не такое, то повернуто не так. Такая же ерунда и с автопилотом. То остановился не там, то с дороги съехал и это еще не учитывая степень освещения различных камер. Читать то, что я написал пробовали? Задача ИИ 2го уровня проблема следующего десятилетия, возможно и дольше. По распознаванию речи или изображений на картинке думаю проблем не возникает? Существующая математика щелкает такие задачи как семечки. Проблема теперь в обучении ИИ более высокого уровня. Проблема больше аппаратная, математика готова. 1 Ссылка на комментарий
0 stils Опубликовано 1 марта, 2021 Поделиться Опубликовано 1 марта, 2021 5 минут назад, Олег сказал: Читать то, что я написал пробовали? Задача ИИ 2го уровня проблема следующего десятилетия, возможно и дольше. По распознаванию речи или изображений на картинке думаю проблем не возникает? Существующая математика щелкает такие задачи как семечки. Проблема теперь в обучении ИИ более высокого уровня. Проблема больше аппаратная, математика готова. Читал. Вопрос тогда еще раз. Для сравнения нужны исходные данные. Откуда данные чтобы щелкать как семечки? 1 1 Ссылка на комментарий
