Алгоритм цитологического анализа рыб и птиц - это проект, который направлен на создание автоматизированной системы для анализа клеток рыб и птиц. Эта система будет использоваться в исследованиях в области здоровья животных, а также для контроля качества продуктов питания. Алгоритм будет основан на машинном обучении и глубоком обучении, чтобы обеспечить высокую точность анализа.

Проект представляет собой инновационное решение, направленное на улучшение сельскохозяйственных практик и повышение урожайности за счет своевременного выявления и лечения заболеваний растений, а также определения их потребностей в питательных веществах. Система использует передовые технологии, включая машинное обучение и искусственный интеллект, для анализа изображений растений, полученных с помощью дронов или специализированных камер, и определяет признаки болезней или симптомы дефицита определенных питательных веществ.

Это проект анализа спутниковых снимков с помошью машинного обучения, который разрабатывается для того, чтобы помочь сельским хозяйственным предприятиям и фермерам контролировать состояние пастбищ и своевременно принимать меры по их восстановлению. Система будет использовать данные с дронов и спутников, а также информацию о погодных условиях и климатических изменениях, чтобы определить уровень деградации пастбищ и предоставить рекомендации по управлению ими.

Проект представляет собой передовое решение в области прецизионного земледелия и управления сельскохозяйственными угодьями. Основываясь на использовании нейронной сети YOLOv8 для анализа изображений с высоким разрешением, полученных от спутников или беспилотных летательных аппаратов, система способна автоматически определять и выделять контуры сельскохозяйственных полей с высокой точностью и выгружать их в виде информационного слоя для ГИС системы в формате shp.

В научном проекте, посвященном определению кардиовертебрального индекса (показателя VHS) у собак и кошек, нейросеть YOLOv8 была применена для автоматизации измерений, которые ранее выполнялись вручную.
Был собран датасет, включающий более 500 рентгеновских снимков грудной клетки собак и кошек. Нейросеть YOLOv8 была обучена на этом датасете в течение 100 эпох. После обучения модель использовалась для автоматического определения длинной и короткой осей сердца на новых рентгеновских снимках.  Модель достигла точности 98%, что свидетельствует о высокой надежности и воспроизводимости результатов по сравнению с ручными измерениями.

Проект представляет собой инновационную систему, разработанную для оптимизации агротехнических процессов в сельском хозяйстве с помощью технологий машинного обучения и цифрового картографирования. Цель проекта — повысить урожайность и экономическую эффективность сельскохозяйственного производства за счет более точного и рационального использования удобрений.

Этот проект представляет собой комплексное решение для автоматического мониторинга дефектов стали, сочетающее современные технологии компьютерного зрения и промышленной автоматизации. Система в реиме реального времени анализирует движущиеся части деталей машин, элементы металлороката, трубопроката и детектирует дефекты (поры, трещены, зернистость), ведя учет их количества.

Проект направлен на применение технологий компьютерного зрения для автоматизации процессов приемки и повышения прослеживаемости качества ягод в ритейле. Система с использованием камер и алгоритмов машинного обучения автоматически определяет дефекты ягод, такие как плесень, повреждения и перезреваемость, что снижает влияние человеческого фактора и ускоряет обработку партий. Создается база данных для отслеживания информации о происхождении, условиях хранения и качестве продукции на всех этапах цепочки поставок.

•Программа предназначена для автоматизированной обработки и анализа текстовой информации в сфере животноводства с использованием технологий глубокого обучения. В основе программы лежит модифицированная архитектура модели BERT, адаптированная для решения задач «вопрос-ответ» с аграрной направленностью. Используемый подход включает в себя дообучение модели на специализированных корпусах данных, содержащих информацию о здоровье животных, условиях содержания, рационе питания и других аспектах животноводства.

Реализована система, которая автоматически анализирует данные с видеопотока, полученного с камер, установленных на мусоровозах. Система обучена на классифицированных изображениях контейнерных площадок и может выполнять следующие задачи: • Подсчет количества контейнеров на площадке.• Определение объема отходов в каждом контейнере.• Сравнение фактического числа выгруженных контейнеров с заданием. • Фиксация фотографий каждого контейнера в процессе разгрузки с указанием времени и координат. • Анализ чистоты площадки и наличия посторонних отходов.

Проект представляет собой разработку программного обеспечения на основе искусственного интеллекта и технологий компьютерного зрения для мониторинга и контроля хромоты крупного рогатого скота. Система автоматически анализирует поведение и движения животных, выявляет признаки хромоты на ранних стадиях и предоставляет рекомендации для предотвращения и лечения заболеваний, способствуя повышению продуктивности и улучшению условий содержания скота.

Проект направлен на разработку системы мониторинга состояния виноградников с использованием технологий компьютерного зрения и машинного обучения. Система автоматически анализирует изображения листьев и плодов винограда, выявляет признаки заболеваний и предоставляет рекомендации для их устранения. Датасет состоит из изображений виноградных листьев и плодов, содержащих как здоровые образцы, так и поражённые различными заболеваниями.

Проект демонстрирует потенциал использования современных технологий компьютерного зрения и БПЛА для эффективного мониторинга инвазивных растений, таких как борщевик. Дальнейшие исследования могут быть направлены на улучшение точности модели и расширение области применения на другие виды растений.

Проект направлен на автоматизацию процесса контроля качества фруктов и овощей при их приемке в распределительных центрах с использованием технологий компьютерного зрения. Система позволяет сократить время проверки, уменьшить влияние человеческого фактора и повысить точность оценки качества продукции.
Система на базе компьютерного зрения анализирует изображения в реальном времени для выявления (царапин, трещин, вмятин, гнили, плесени, недозрелости, перезрелости, нестандартных размеров и форм)

Разработка специализированного ИИ-фреймворка, который позволит обеспечить доступность и эффективность использования алгоритмов компьютерного зрения для решения широкого спектра задач в животноводстве: мониторинг здоровья и состояния животных, управление кормлением, генетика и селекция, учет поголовья, контроль технологических процессов и др.

Проект направлен на автоматизацию и повышение точности анализа производственных показателей птиц в сельскохозяйственных или исследовательских условиях. Разработаны инструменты для визуализации данных (графики, таблицы, отчеты).
Разработатываются алгоритмы для обработки информации, связанной с идентификацией и продуктивностью каждой особи. Разрабатывается модель ИИ для генерации рекомендаций по улучшению условий содержания или селекции на основе аналитических выводов.