ПРОЕКТНЫЙ ИНСТИТУТ ЦИФРОВОЙ ТРАНСФОРМАЦИИ АПК

ПРОЕКТНЫЙ ИНСТИТУТ
ЦИФРОВОЙ ТРАНСФОРМАЦИИ АПК

СИНТЕЗ ТЕХНОЛОГИЙ, ИННОВАЦИЙ И БИЗНЕСА АПК

ПРОГРАММА РЕЗИДЕНТСТВА

СТАНЬ РЕЗИДЕНТОМ ТИМИРЯЗЕВКИ, МЫ ПОМОЖЕМ РАЗВИТЬ ТВОЙ СТАРТАП-БИЗНЕС, ОКАЖЕМ КОНСАЛТИНГОВУЮ И ЭКСПЕРТНУЮ ПОДДЕРЖКУ, А ТАКЖЕ СВЯЗЬ С РЕАЛЬНЫМИ ОТРАСЛЕВЫМИ ЗАКАЗЧИКАМИ.

ПОДРОБНЕЕ

ПРОЕКТНЫЙ ИНСТИТУТ
ЦИФРОВОЙ ТРАНСФОРМАЦИИ АПК

СИНТЕЗ ТЕХНОЛОГИЙ, ИННОВАЦИЙ И БИЗНЕСА АПК

ПОДРОБНЕЕ

ПРОГРАММА РЕЗИДЕНТСТВА

СТАНЬ РЕЗИДЕНТОМ ТИМИРЯЗЕВКИ, МЫ ПОМОЖЕМ РАЗВИТЬ ТВОЙ СТАРТАП-БИЗНЕС, ОКАЖЕМ КОНСАЛТИНГОВУЮ И ЭКСПЕРТНУЮ ПОДДЕРЖКУ, А ТАКЖЕ СВЯЗЬ С РЕАЛЬНЫМИ ОТРАСЛЕВЫМИ ЗАКАЗЧИКАМИ.

ПОДРОБНЕЕ

В рамках развития стратегии цифровизации отрасли в Тимирязевской академии создан ПРОЕКТНЫЙ ИНСТИТУТ ЦИФРОВОЙ ТРАНСФОРМАЦИИ АПК, оснащение которого соответствует уровню ведущих вычислительных центров РФ.
Мы видим огромные перспективы в применении искусственного интеллекта для сельскохозяйственного сектора, а также понимаем отраслевые аспекты его интеграции

Владимир Иванович Трухачёв

Ректор Российского государственного аграрного университета - Московской сельскохозяйственной академии им. К.А. Тимирязева,
академик РАН

"

В рамках развития стратегии цифровизации отрасли в Тимирязевской академии создан ПРОЕКТНЫЙ ИНСТИТУТ ЦИФРОВОЙ ТРАНСФОРМАЦИИ АПК, оснащение которого соответствует уровню ведущих вычислительных центров РФ.
Мы видим огромные перспективы в применении искусственного интеллекта для сельскохозяйственного сектора, а также понимаем отраслевые аспекты его интеграции

Владимир Иванович Трухачёв

Ректор Российского государственного аграрного университета - Московской сельскохозяйственной академии им. К.А. Тимирязева,
академик РАН

"

Проектный институт в цифрах

Лаборатории

Собственный GPU-кластер и мощные рабочие станции последнего поколения

17 профессиональных рабочих станций с процессорами Intel i9 и графическими ускорителями NVIDIA GeForce RTX 4090 128 ГБ оперативной памяти, 1 ТБ SSD накопителей
Серверное оборудование:
- 2 модуля с суммарным количеством 772 потоков
- 262 ГБ оперативной памяти, 87 ТБ SSD хранилища
- Высокопроизводительные процессоры Intel Xeon Gold и Platinum
Вычислительный кластер на базе NVIDIA H100:
- 7168 ГБ оперативной памяти
- 110 производительных ядер, 220 высокоэффективных потоков
- 400 ГБ видеопамяти, 84480 ядер CUDA
- 72 ТБ высокоскоростного хранилища
- 10 Гбит сеть с резервированием

КЛЮЧЕВЫЕ ПРОЕКТЫ

Компьютерное зрение в птицеводстве

Программа содержит класс Tracker, который отвечает за отслеживание объектов на видео с помощью модели искусственной нейронной сети YOLO. Для этого используются библиотеки requests, ultralytics и OpenCV.

В методе track класса Tracker происходит обработка видеопотока с камеры. Сначала видео захватывается с помощью cv2.VideoCapture, затем каждый кадр подается на вход модели YOLO для обнаружения объектов. Результаты обработки фильтруются с помощью метода __filter_turkey_results, который удаляет все объекты, не являющиеся индейкой (класс 3).

Система компьютерного зрения для животноводства

Компьютерное зрение в задачах животноводства - это проект, который использует технологии компьютерного зрения для автоматизации процессов для классификации и подсчета поголовья, а также динамического определения масс-габаритных характеристик. Научной новизной проектя яаляется применение глубоких нейронных сетей: CNN для извлечения признаков из видео или изображений, а затем данные признаки передаются сеть RNN для анализа последовательности движений и определения масс-габаритных характеристик.

Машинное обучение в анализе клеток крови рыб и птиц

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.

Система мониторинга деградации пастбищ

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.

Большая языковая модель " Ассистент. Животноводство"

•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.

Система мониторинга качества работы городских мусороуборочных служб

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.

Система контроля качества ягод при приемке в ритейле

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. Также разрабатывается модель прогнозирования срока годности ягод с рекомендациями по оптимизации условий хранения, что позволяет снизить потери продукции, повысить качество товаров и укрепить доверие покупателей.

Программное обеспечение по мониторингу и контролю развития хромоты крупного рогатого скота на основе КОМПЬЮТЕРНОГО ЗРЕНИЯ на базе ИИ.

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.

Контроль качества фруктов и овощей при приемке на распределительных центрах на базе КОМПЬЮТЕРНОГО ЗРЕНИЯ

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 (царапины, трещины, вмятины, гниль, плесень, недозрелость, перезрелость, размер, форма).

Оперативный анализ и управление сорной компонентой

Алгоритмы компьютерного зрения и машинного обучения позволяют в реальном времени идентифицировать и локализовать сорные растения в посевах зерновых. На основе этой информации система подбирает необходимые средства защиты и готовит технологическую карту для дифференцированной защиты конкретных участков полей.

Распознавание с/х культур по спутниковым изображениям

Модуль по распознаванию сельскохозяйственных культур на основе спутниковых изображений и данных БПЛА представляет собой модель, которая использует современные технологии обработки изображений и машинного обучения для обеспечения высокой точности идентификации различных культур на полях. Данное решение может применяться как самостоятельно, так и в качестве подсистемы в рамках комплексного решения для решения задач бизнеса и государственных органов управления.

Оперативный мониторинг и управление орошением

Сервис предназначен для оптимизации процессов орошения сельскохозяйственных угодий и предоставляет пользователям инструменты для мониторинга влажности почвы и определения потребностей растений в воде.
С помощью интеграции данных с датчиков и спутниковых изображений, пользователи могут получать актуальную информацию в реальном времени, что позволяет принимать обоснованные решения по управлению орошением. Функционал системы включает автоматизированное планирование поливов, анализ эффективности орошения и рекомендации по оптимизации водных ресурсов.

Нейросеть-счетчик «Немо» для подсчета рыбы при выращивании в установка замкнутого водоснабжения (УЗВ)

Ключевая идея проекта заключается в применении нейронной сети YOLO для решения задач распознавания и подсчёта рыб при перегонке из одного бассейна в другой. В настоящее время по проекту достигнуты следующие результаты: сформирован набор обучающей выборки на основе фотографий с рыбной фермы УЗВ; обучена модель нейронной сети; создано настольное приложение для работы с нейросчётчиком; модель протестирована в условиях реальной рыбной фермы. Проект находится в стадии дальнейшего развития и в 2025 году планируется разработка программного обеспечения для идентификации, подсчета, определения массы и мониторинга здоровья рыб в УЗВ в режиме реального времени.

Интеллектуальная платформа анализа больших данных и прогнозирования в овощеводстве защищенного грунта

Основная идея проекта состоит в разработке интеллектуальной платформы способной осуществлять точное прогнозирование урожайности томата и имитировать реакцию урожайности на изменение условий выращивания. В настоящее время по проекту собраны обширные базы данных сбора томата и условий его выращивания за 2021-2023 гг. Сформирован набор обучающей выборки и построены ML-модели прогнозированиявалового сбора томата. Разработан «цифровой двойник», имитирующий изменение условий выращивания томата. В 2025 году планируется разработка интеллектуальной платформы для агронома-овощевода, включающей нейронной сети и интеллектуального помощника овощевода на основе LLM-модели.

Программный продукт для автоматического распознавания спелых тепличных томатов по видеоизображению с использованием ИИ

Ключевая идея проекта – разработка программного продукта на основе технологии компьютерного зрения, способного распознавать спелые тепличные томаты в реальном времени, определять их вес и прогнозировать суммарный валовой сбор и урожайность. На текущий момент по проекту собраны данные для train- и test-выборки, состоящие из фото и видео материала; обучена и протестирована модель на датасете (SOTA-модель YOLOv8); разработана Drag-and-drop модель с помощью Streamlit. В ближайшей перспективе будет разработан программно-аппаратный комплекс, способный прогнозировать валовой сбор на различных стадиях зрелости томата.

Разработка программного средства для определения лейкоцитарной формулы крови рыб на основе моделей искусственных нейронных сетей

Разработанное программное обеспечение позволяет на основе применения технологий искусственных нейронных сетей автоматизировать расчет лейкоцитарной формулы крови рыб, упрощая проведение анализа крови и мониторинг состояния здоровья.
Реализованы следующие функциональные возможности:
•взаимодействие с исходными и размеченными снимками клеток крови для выявления неточностей при подготовке изображений;
•построение, обучение, сохранение, импорт моделей искусственных нейронных сетей;
•применение модели искусственной нейронной сети для обнаружения и идентификации клеток крови рыб на новом входящем изображении микроскопического снимка;
•расчет лейкоцитарной формулы на основе выявленных и распознанных клеток крови рыб;
•формирование экспертной оценки текущего состояния особи.

Платформа для принятия агрономических решений

Проект нацелен на создание цифровой платформы для анализа больших объемов данных и принятия решений в агрономии и почвоведении. Целью проекта является разработка инструмента, который обеспечит агрономам и специалистам доступ к передовым методам статистического анализа и машинного обучения для оценки почвенных характеристик и определения факторов, влияющих на урожайность. Платформа позволит автоматизировать сбор и анализ данных, выявлять ключевые агротехнические параметры и разрабатывать оптимизированные решения для управления земельными ресурсами. Ожидаемые результаты включают повышение эффективности принимаемых решений, улучшение урожайности и рациональное использование земель. Продукт найдет применение среди агрономов, сельскохозяйственных предприятий и научных учреждений, специализирующихся на агрономии и почвоведении.

Онлайн-калькулятор для расчета углеродного следа сельскохозяйственных организаций

Использование всего функционала онлайн-калькулятора возможно будет по платной подписке, которая позволит:
1. на основании заполненной анкеты по размерам используемых ресурсов и производимой продукции производить расчет выбросов СО2;
2. сохранять показатели в динамике и в виде диаграмм давать оценку основных тенденций на предприятии;
3. давать рекомендации по снижению показателей и предлагать инновационные технологические решения;
4. позволит проводить сравнительный анализ показателей предприятия и показателей аналогичных по размерам и специализации предприятий отрасли, средних по району (области, стране).
5. изучать статистику выбросов парниковых газов по зарегистрированным в системе пользователям.
Без подписки будет доступна информация о продукте, разработчике, условиях покупки подписки.

Цифровой двойник свеклоприёмного цеха сахарного комбината

Цифровой двойник предназначен для оптимизации или рационализации параметров бизнес-процессов свеклоприёмного цеха сахарного комбината, что позволяет значительно повысить производительность труда и эффективность работы комбината за счет экономии затрат и реализации принципов бережливого производства. Благодаря проектированию, симуляции, анализу и оптимизации процессов: проведены виртуальные тесты цифрового двойника и эксперименты на нем, которые помогли выявить узкие места в процессе приемки свеклы и дать предложения для реинжиниринга бизнес-процессов, предсказать возможные проблемы и риски в работе цеха, что позволило принять превентивные меры по их предотвращению.

Цифровой двойник полевой опытной станции РГАУ-МСХА имени К.А. Тимирязева

Разработка направлена на создание цифрового двойника полевой опытной станции, имеющей совокупность полей (севооборотов), которыйвключает электронную карту поля, моделирование динамики почвенного плодородия и его прогнозирование, фиксирование истории полей, разработку десктопного приложения для сбора исторических данных о культурах и их урожайности, особенностях применяемых технологий. Это позволит наиболее эффективным образом использовать имеющиеся земельные ресурсы, оптимизировать управление ими, облегчить планирование севооборотов,адекватно прогнозировать плодородие почвы и урожайность культур

Цифровой двойник для прогноза плодородия почв и эффективности внесения минеральных удобрений с оценкой их углеродного следа

Проект с кафедрой агрономической, биологической химии и радиологии РГАУ-МСХА имени К.А. Тимирязева
Программа будет производить расчёт изменения содержания гумуса в почве исходя из входящих параметров: урожайности выращиваемых культур и удобрений. Для этого будет создан цифровой двойник для моделирования динамики состояния почвы. Данные, полученные от запуска цифрового двойника будут являться основой агрокалькулятора для расчёта необходимых доз

«Сфера» - цифровой продукт для совершенствования<br />процессов хранения сахарной свеклы

«Сфера» - цифровой продукт для совершенствования
процессов хранения сахарной свеклы

«Сфера» представляет собой изготовленный на основе аддитивных технологий программно-аппаратный комплекс, включающий датчики температуры, влажности и газовыделения, функционирующие на базе Arduino. Цифровое решение для совершенствования процессов хранения сахарной свеклы осуществляет автоматический сбор и обработку данных, анализ полученных показателей. Веб-интерфейс позволяет визуализировать данные и управлять системой хранения сахарной в режиме реального времени.

Идентификация свиней на основе компьютерного зрения и инфракрасной системы идентификации

Система мониторинга на базе искусственного интеллекта и инфракрасной системы идентификации, интегрируемая с системами видеонаблюдения свинокомплексов, позволяющая в режиме реального времени отслеживать и детектировать каждую особь. Система идентификации использует модель YOLOv7 для детекции особей и получения координат животного в видеопотоке.
Система инфракрасной идентификации получает информацию о координатах метки особи с уникальным идентификатором животного.

Бекенд, написанный на python, собирает данные о координатах меток животных и видеопотока, после чего агрегирует их в базу данных, параллельно вычисляя сопутствующие характеристики особей, такие как: индекс подвижности, вес и др.

Конструктор для обучения эксплуатации БПЛА<br />в аграрной сфере «СИП»

Конструктор для обучения эксплуатации БПЛА
в аграрной сфере «СИП»

Цель: обеспечение высокой ударопрочности и ремонтопригодности конструктора для различных погодных условий с минимальными затратами
Решение: Конструктор для обучения эксплуатации БПЛА в аграрной сфере «СИП» представляет готовый комплект для обучения, смоделированный и отпечатанный на 3D-принтере. Конструктор для обучения эксплуатации БПЛА в аграрной сфере «СИП» решает проблему изготовления запчастей и ремонта на базе центров обучения и имеет цену ниже существующих аналогов.
«СИП» - это готовый цифровой продукт для образовательных центров.

Система интеллектуального распознавания болезней растений (на примере парши яблонь)

Цель: создание цифровой альтернативы визуальной оценки распознавания болезней растений.
Решение: Неправильная диагностика заболеваний сельскохозяйственных культур зачастую приводит к ошибочному использованию средств защиты растений, появлению устойчивых штаммов патогенов, а также к увеличению затрат на новые обработки. На базе yolo8-seg модели разработана система сегментации пораженных паршой участков листьев яблони. Дополнительно разработана система оценки отношения площадей пораженных участков для последующей обработки полученной информации. Система позволяет на ранней стадии диагностировать болезнь и применять лечение максимально оперативно.

Система автономного микроклиматического выращивания

Проект представляет собой разработку системы автономного микроклиматического выращивания, которая обеспечивает создание оптимальных условий для роста растений с помощью интеллектуального управления параметрами микроклимата (температура, влажность, освещение и др.). Система дополнительно генерирует и воспроизводит высококачественные датасеты, необходимые для обучения алгоритмов компьютерного зрения. Это позволяет автоматизировать мониторинг состояния растений, анализ их роста и выявление аномалий, способствуя повышению эффективности сельскохозяйственного производства и развитию технологий искусственного интеллекта в аграрной сфере. Партнер проекта - Группа компаний "РОСТ"

Компьютерное зрение в птицеводстве

Высокотехнологичное решение для автоматизации и оптимизации процессов в сельском хозяйстве. Платформа оснащена современными сенсорами, включая камеры, лидар и камеру глубины, для сбора данных о состоянии растений и окружающей среды. На основе собственных нейросетей система выполняет следующие задачи:

• Определение фенофаз растений;

• Обнаружение болезней и вредителей;

• Выявление сорной растительности;

• Оценка качества и количества урожая.

Проект ориентирован на адаптацию под климатические условия, почвы и виды сельскохозяйственных культур, характерные для российского агропромышленного комплекса. Платформа призвана повысить эффективность растениеводства, снизить затраты труда и улучшить качество управления урожаем.

"AgroBot CloneArm"

Инновационное программное обеспечение для управления бионической роботизированной рукой, предназначенной для автоматизации процессов микроклонального размножения растений. Система основана на интеллектуальных алгоритмах машинного обучения и компьютерного зрения, что позволяет роботу выполнять сложные задачи с высокой точностью и эффективностью.
Ключевые функции ПО:
• Автоматическая сортировка и выборка растительных образцов;
• Точное выполнение манипуляций, включая нарезку, пересадку и перенос микроклонов;
• Анализ состояния образцов с использованием алгоритмов компьютерного зрения;
• Оптимизация рабочих процессов для повышения производительности и минимизации ошибок.
Проект направлен на повышение эффективности лабораторных процессов в биотехнологии, снижение ручного труда и улучшение качества работы с растительными культурами.

НАШИ ПАРТНЕРЫ

ПРИСОЕДИНЯЙТЕСЬ