СКОЛКОВО: АГРОСТАРТАПЫ: Резидент «Сколково» компания ООО «Адаптивные информационно-интеллектуальные технологии» разработала «умную» систему орошения (AIST), повышающую эффективность полива. Инновация уже прошла испытания — в России система работала на полях ВНИИ Овощеводства РАН, а за рубежом — на фруктовых плантациях Вьетнама.

Из материала вы узнаете:
– По какому принципу работает система умного полива.
– Насколько сократился расход воды и повысилась урожайность фруктов благодаря системе AIST во время испытаний во Вьетнаме.

Подробнее об интеллектуальной системе орошения (AIST) нам рассказал руководитель компании Василий Фартуков.

— Как вы пришли к необходимости разработки системы «умного полива»?

— В России более 70% всех сельскохозяйственных угодий расположены в зонах недостаточного или неустойчивого естественного увлажнения, высокий и стабильный уровень производства сельскохозяйственной продукции может быть обеспечен за счет орошения сельскохозяйственных земель. Однако для обеспечения роста продуктивности необходим постоянный контроль орошения.

Простой пример: вам нужно выпить в день два литра воды, а я дам вам эти два литра в одну секунду. Вы просто-напросто захлебнетесь. Примерно то же самое происходит с нашими растениями: если происходит перелив — идет заболачивание, закисление, засоление вторичное закисление и т. д. Это приводит к тому, что продуктивность орошаемых земель резко падает, невзирая на то, что практически ежегодно вводят новые орошаемые площади. К тому же вода у нас не бесплатный ресурс, ее перерасход без увеличения продуктивности поля — это неэффективные, неоправданные затраты.

Мы решили применить новую технологию. Это дифференцированная подача воды и минеральных удобрений именно в том количестве, именно в то время, когда это нужно самому растению. Тогда получается, что растение само «заказывает», какое количество влаги ему нужно — ни больше, ни меньше. Экономия воды в зависимости от районирования, культур, способа подачи составляет до 200%, т. е. при дождевальном способе подачи мы сокращаем расход в два раза. А если используем другие виды полива — капельный, например, можем экономить до 20%. Это тоже существенно.

Наша компания начала этим заниматься в 2010–2011 году. И сегодня мы пришли к той технологии, к тому аппаратно-программному комплексу, который позволяет нам эту технологию реализовать.

— Из чего состоит система, на какое оборудование она рассчитана?

— Система представляет собой отдельные смарт-модули. Мы исходили из того, что монтаж должен быть простым, а само оборудование — антивандальным и энергонезависимым: запаса энергии хватает на весь поливной сезон, который в разных регионах длится от четырех до шести месяцев.

Наша система не требует модернизации того оборудования, которое уже есть у заказчика. Ее можно адаптировать под любую оросительную систему: установить на динамические системы, например, дождевальные машины, или стационарные, капельные, спринклерное оборудование и другое. Получается, что мы можем дифференцированно и качественно доводить в любом необходимом объеме воду до каждого растения и, в случае необходимости, добавлять туда и минеральные удобрения.

— Как система работает, какие разработки положены в ее основу?

— Система базируется на последних достижениях в области IT-технологий. Если начать с аппаратной части, то здесь предусмотрены микропроцессорные элементы, на которых она базируется.
Платформа, на которой происходит взаимодействие между модулями, беспроводная. Нет проводов для связи, нет проводов для подачи электрической энергии, т. е. система полностью автономна. Взаимодействие происходит по радиоканалу.

Нами уже проверено неоднократно, что в зависимости от рельефа местности, застройки, других помех «рабочее расстояние» для взаимодействия гарантированно достигает радиуса 5 км (и при отсутствии помех — больше). А раз так, значит, мы одним центральным модулем управляем всей периферией на площади более 70 км кв.

Обратная связь с растением осуществляется за счет наших датчиков, которые установлены в поле. Производится контроль влажности на трех глубинах — 10, 20 и 60 см и на поверхности, контроль температуры почвы — тоже в глубине и на поверхности. Таким образом, у агронома есть полная картина по распределению влаги, нахождению влаги возле корнеобитаемого слоя.

В зависимости от вида почвы, датчик под нее адаптируется. Он может работать в любых почвенных условиях. Предусмотрены такие параметры, как коэффициент фильтрации: т. е. вы сверху залили воду, и замеряется время, когда она просочится и дойдет до того места, где вам ее нужно держать. Вот эта порционность, дозированность автоматически определяется, и система подстраивается именно под конкретную почву. По результатам переданных на центральный блок данных при необходимости происходит автоматическая корректировка карты полива.

— И дальше все происходит автоматически?

— Агроном задает параметры при настройке самой системы (в зависимости от потребностей культуры в орошении), устанавливает необходимые уровни: где и когда должна быть та или иная величина влажности, диапазон, в котором эта влажность должна находиться. А вот дальше все регулируется автоматически.

Количество удобрений и сроки внесения их определяет агроном. Пока мы еще не поставили такой датчик. Сейчас заканчиваем прототип датчика, который сразу производит экспресс-анализ химического состава почвы, определяя, соответственно, необходимое растению количество тех или иных удобрений. Место установки и количество датчиков определяет агроном. После адаптации всей системы датчиков к почвенным и климатическим условиям дальше агроном уже может не обращать на них внимания — они все сделают сами.

Таким образом, система полностью замыкается. Формируемая цифровая карта полива, которая составляется агрономом, и туда добавляется важнейший элемент — состав почвы. Надеюсь, что в этом году мы уже полностью закончим настройку модуля и интегрируем в систему. Она может быть, как я уже говорил, автономна. Можно организовать полив как одного, так и сотен гектаров.

— Именно это и есть тот самый искусственный интеллект?

— Искусственный интеллект — это немного больше, чем я уже рассказал. Смысл не только в том, что дается именно столько воды, сколько нужно, за счет чего растет эффективность и осуществляется экономия. Кроме этого, собирается база данных, накапливается информация по конкретному полю при конкретном севообороте. При формировании базы данных у комплекса появляется база знаний, которая является основой создания первого искусственного интеллекта. В этом-то и заключается последний штрих — при накоплении данных о работе, поливе, структурных изменениях почвы формируется база знаний о каждом конкретном объекте (конкретном поле). Агроном может решить, доверит ли он системе самостоятельно, исходя из ее данных, определять графики полива, или же будет работать с ней совместно.

Да, это тот самый искусственный интеллект, о котором сейчас все говорят. Система сама сможет принимать решения, а человек сможет в любое время с любого гаджета с ней связаться и дать команду, если считает это нужным, запросить данные, проверить состояние поля.

Это не замена человеку, а помощник, который способствует экономии времени и ресурсов. В данном случае он освобождает агронома от дополнительных расчетов и дает ему возможность заниматься его делом.

Разработка AIST уже прошла полевые испытания — в России система работала на полях орошения ВНИИ Овощеводства Российской Академии Наук в поселке Верейское Раменского района Московской области. Проведенные испытания технологии автоматизированной интеллектуальной системы полива (AIST) показали её дифференцированную, адресную и точечную подачу воды на поле в соответствии с заданной картой полива в необходимых объемах и в необходимое время. Эта технология была применена при поливе капусты, томата, перца сладкого, чеснока и может использоваться для других овощных культур в открытом грунте.

Сбор информации при реализации технологии интеллектуальной системы полива (AIST) необходим для разработки плана практического применения и приобретения собственного опыта использования системы (AIST). Полученная важная информация позволяет оценить высокое качество функционирования системы полива (AIST) при установке её на поле и поливе овощных культур.

Оценка точности измерений контролируемых параметров (влажность и температура почвы на трех глубинах и воздуха) показала среднее значение 2,31% что вполне достаточно для реализации технологии дифференцированного полива и поддержания заданных значений влажности почвы на контролируемых глубинах. Технология позволила в точности с заданными условиями поддерживать динамику влажности почвы в соответствии с фазами роста растений.

Динамика созревания и урожайность культур показала стабильность, при этом объём затраченной воды на 6,5–17,6% меньше, чем при применении обычной технологии капельного полива в ручном режиме, и до 60% меньше, чем при поливе дождеванием. Урожайность овощных культур при использовании автоматизированной системы полива AIST на уровне или выше, чем при капельном поливе в ручном режиме, исходя из необходимых норм полива.
Урожайность капусты белокочанной в условиях Московской области при уборке достигала 67,50 т/га, томата до 61,75 т/га, перца сладкого — до 9,9 т/га.
За рубежом система была успешно проверена на фруктовых плантациях во Вьетнаме. В ходе эксперимента система AIST позволила получить значительную экономию: воды расходуется почти на 40% меньше, а электроэнергии — на 35%. При этом урожай фруктов вырос на 35%. Результат настолько впечатлил вьетнамских аграриев, что они ведут переговоры о приобретении нескольких установок.
Лариса Никитина