Розробка AI для сільського господарства: аналіз знімків посівів

Розробка AI для сільського господарства: аналіз знімків посівів

Клієнт приходить з сирими знімками з дрона і проханням «зробити NDVI». Ми дивимось на histograms — 80% значень у діапазоні 0.2–0.4, але поле візуально зелене. Проблема: неправильне калібрування мультиспектральної камери. Без урахування параметрів зйомки (висота, кут сонця, вологість) NDVI — сміття. Наш досвід показує: донавчаємо моделі на ваших полях і економимо до 30% на добривах за рахунок точних зональних карт.

Які проблеми вирішуємо

Неправильний розрахунок NDVI. Супутникові знімки низької роздільної здатності (10 м/піксель) усереднюють стан поля. Дрон дає 5 см/піксель, але без калібрування за еталонним щитом (Labsphere) розкид значень досягає 0.2. Ми використовуємо польові спектрорадіометри для прив'язки NDVI до реальних показників хлорофілу.

Виявлення хвороб з хибними спрацюваннями. RGB-модель на YOLOv8 плутає опік від сонця з альтернаріозом. Рішення: додаємо мультиспектральні канали (RedEdge, NIR) і використовуємо attention-шар, який вчиться відрізняти некротичні плями за спектральною кривою.

Prescription maps не стикуються з технікою. ISO-XML завдання не відповідають формату John Deere. Ми генеруємо shapefile з атрибутами N_rate_kg_ha, який безпосередньо імпортується в Operations Center — перевірено на 20+ господарствах.

Як нейромережі виявляють хвороби рослин?

Стандартний пайплайн: беремо фрагменти листя розміром 640×640 px, застосовуємо аугментації (поворот, масштаб, яскравість), подаємо в YOLOv8-small, переднавчений на ImageNet. Для мультиспектральних знімків використовуємо багатоканальний вхід (6 каналів: BGR + NIR + RedEdge + NDVI). Результат — маска уражених ділянок з confidence >0.85. Нижче — приклад донавченої моделі для томатів:

from ultralytics import YOLO
import cv2

class CropDiseaseDetector:
    def __init__(self, model_path: str):
        # YOLOv8 донавчений на PlantVillage Dataset + кастомні дані
        self.model = YOLO(model_path)
        self.disease_classes = [
            'healthy', 'early_blight', 'late_blight', 'leaf_mold',
            'septoria_leaf_spot', 'spider_mites', 'target_spot',
            'yellow_leaf_curl', 'mosaic_virus', 'bacterial_spot'
        ]

    def analyze_leaf(self, leaf_image: np.ndarray) -> dict:
        results = self.model(leaf_image, conf=0.4)
        detections = []

        for box in results[0].boxes:
            disease = self.disease_classes[int(box.cls)]
            detections.append({
                'disease': disease,
                'confidence': float(box.conf),
                'bbox': box.xyxy[0].tolist(),
                'severity': self._estimate_severity(leaf_image, box)
            })

        # Загальний бал здоров'я
        if not detections:
            health_score = 1.0
        else:
            max_disease_conf = max(d['confidence'] for d in detections
                                    if d['disease'] != 'healthy')
            health_score = 1.0 - max_disease_conf

        return {
            'health_score': health_score,
            'detections': detections,
            'needs_treatment': health_score < 0.6
        }

Чому NDVI недостатній для раннього стресу?

NDVI насичується при LAI (індекс листкової поверхні) >3. На посівах у фазі кущіння він показує 0.8–0.9 — всі зони «відмінні», хоча азотний стрес вже є. Альтернатива — NDRE (Red Edge), який, за даними Gitelson et al., лінійно реагує на вміст хлорофілу до LAI=6. Ми рахуємо обидва індекси і будуємо комбіновану карту:

import numpy as np
import rasterio
import matplotlib.pyplot as plt
import matplotlib.colors as colors

class CropHealthAnalyzer:
    def calculate_ndvi(self, red_band: np.ndarray,
                        nir_band: np.ndarray) -> np.ndarray:
        """NDVI = (NIR - Red) / (NIR + Red)"""
        red = red_band.astype(np.float32)
        nir = nir_band.astype(np.float32)
        ndvi = np.where(
            (nir + red) > 0,
            (nir - red) / (nir + red),
            0
        )
        return np.clip(ndvi, -1, 1)

    def calculate_ndre(self, red_edge: np.ndarray,
                        nir: np.ndarray) -> np.ndarray:
        """NDRE — чутливіший за NDVI для раннього стресу"""
        return (nir - red_edge) / (nir + red_edge + 1e-8)

    def calculate_indices_batch(self, multispectral_path: str) -> dict:
        """Розрахунок усіх індексів з мультиспектрального GeoTIFF"""
        with rasterio.open(multispectral_path) as src:
            # Припускаємо порядок: Blue, Green, Red, RedEdge, NIR
            blue = src.read(1).astype(np.float32)
            green = src.read(2).astype(np.float32)
            red = src.read(3).astype(np.float32)
            red_edge = src.read(4).astype(np.float32)
            nir = src.read(5).astype(np.float32)
            transform = src.transform
            crs = src.crs

        indices = {
            'ndvi': self.calculate_ndvi(red, nir),
            'ndre': self.calculate_ndre(red_edge, nir),
            'gndvi': (nir - green) / (nir + green + 1e-8),  # Green NDVI
            'evi': 2.5 * (nir - red) / (nir + 6*red - 7.5*blue + 1 + 1e-8),
        }

        return indices, transform, crs

    def classify_crop_health(self, ndvi: np.ndarray) -> np.ndarray:
        """Класифікація здоров'я посівів за NDVI"""
        health_map = np.zeros_like(ndvi, dtype=np.uint8)
        health_map[ndvi < 0.1] = 0   # Грунт/немає рослинності
        health_map[(ndvi >= 0.1) & (ndvi < 0.3)] = 1   # Стрес/розріджений
        health_map[(ndvi >= 0.3) & (ndvi < 0.5)] = 2   # Помірний
        health_map[(ndvi >= 0.5) & (ndvi < 0.7)] = 3   # Добре
        health_map[ndvi >= 0.7] = 4   # Відмінне
        return health_map

Як генеруємо prescription maps

На основі растрових зон здоров'я будуємо векторні полігони з нормами внесення. Приклад для пшениці: зона 1 (NDVI<0.3) — 120 кг N/га, зона 2 (0.3–0.5) — 90 кг/га, зона 3 (0.5–0.7) — 60 кг/га, зона 4 (>0.7) — 30 кг/га. Файл експортується у Shapefile з проекцією EPSG:32637 (UTM 37N).

import geopandas as gpd
from shapely.geometry import shape
import json

def create_prescription_map(ndvi_array: np.ndarray,
                              transform,
                              field_boundary: gpd.GeoDataFrame) -> dict:
    """
    Створення карти рекомендацій за зонами (prescription map)
    для змінної норми внесення добрив
    """
    health_zones = classify_into_zones(ndvi_array, n_zones=4)

    # Векторизація растрових зон
    from rasterio.features import shapes
    zone_geometries = list(shapes(health_zones.astype('uint8'), transform=transform))

    prescription = []
    for geom, zone_value in zone_geometries:
        # Норма внесення N за зонами (кг/га)
        n_rate = {1: 120, 2: 90, 3: 60, 4: 30}[int(zone_value)] if zone_value > 0 else 0
        prescription.append({
            'geometry': geom,
            'zone': int(zone_value),
            'n_rate_kg_ha': n_rate,
            'action': 'apply_fertilizer' if n_rate > 0 else 'skip'
        })

    return prescription

Процес роботи під ключ

1. Аудит даних — перевірка якості знімків, калібрувальних коефіцієнтів, метаданих.
2. Прототипування — обираємо архітектуру (YOLOv8, EfficientNet, U-Net), налаштовуємо гіперпараметри.
3. Навчання — використовуємо PyTorch + Hugging Face Datasets, трекінг у W&B, розподілене навчання на 4×A100.
4. Валідація на полі — порівнюємо з ручними вимірами хлорофілу (SPAD-502) та біомаси.
5. Деплой — Triton Inference Server, API на FastAPI, інтеграція через MQTT для дронів.
6. Підтримка — донавчання на нових культурах, моніторинг дрейфу моделі.

Строки та що входить

Відмітимо: що входить:

• Документація за форматами даних та моделі.
• Вихідний код пайплайну (PyTorch, Docker Compose).
• API з прикладами запитів.
• Навчання операторів роботі з дроном та ПЗ.
• Техпідтримка 2 місяці.

Точну вартість розраховуємо після аналізу ваших даних — оцінимо проєкт за 2 робочих дні. Замовте консультацію: наші інженери зв'яжуться і розберуть кейс.

Порівняння: AI vs ручний об'їзд полів

Локальний кейс: господарство 5000 га, кукурудза. До впровадження — об'їзд на квадроциклі раз на тиждень, 5 точок на полі. Після — дрон з мультиспектральною камерою (5 см/піксель), AI аналізує 1 млн точок за годину. Результат: економія добрив 25% (за картами зон), збільшення врожаю на 12% за рахунок своєчасної обробки осередків хвороб.

Чому AI в 5 разів ефективніший візуального огляду

Людина бачить симптоми, коли рослина вже уражена. AI помічає зміну спектра за 2–3 дні до видимих ознак. Цей час критичний для фунгіцидної обробки — запізнення на 5 днів знижує ефективність на 40%. Наші моделі передбачають спалахи захворювань з точністю 88% за 7 днів.

Ми — команда з 5+ років досвіду в AI для агро, реалізували 40+ проєктів для господарств та агрохолдингів. Гарантуємо якість: кожен проєкт супроводжується SLA за точністю виявлення та часом відповіді API.

Додаткова інформація про калібрування: Для точного NDVI ми використовуємо калібрувальні щити Labsphere та польові спектрорадіометри. Це дозволяє знизити похибку до ±0.02 NDVI.

Як distribution shift вбиває метрики CV-моделі в промисловості

На виробництві ставлять камеру, контролюють якість продукції. Модель навчена на 10 000 розмічених зображень — точність на тесті mAP 0.84. Запускають у продакшен — і в перший же тиждень пропускають 30% дефектів. Освітлення на лінії змінюється по змінах, distribution shift обнуляє метрики. Це класична історія з Computer Vision у промисловості, де розпізнавання образів дає збій без правильної обробки дрейфу.

Наші інженери з досвідом 60+ проектів з комп'ютерного зору знають, як виключити такі сценарії. Гарантуємо стабільну роботу моделі в реальних умовах.

Які архітектури детекції об'єктів обрати: YOLO, RT‑DETR чи інші?

YOLO — стандарт для real‑time детекції. YOLOv8 та YOLOv11 від Ultralytics — найбільш використовувані версії у виробництві: простий API, активна спільнота, вбудована валідація та експорт в ONNX/TensorRT. Для задач з високими вимогами до точності та коли latency менш критична — RT‑DETR, transformer‑based архітектура без NMS, дає кращий mAP на COCO при порівнянній швидкості з YOLOv8l.

Типова помилка при навчанні детектора: датасет 8000 зображень, 3 класи, fine‑tune YOLOv8m — F1 0.73 на валідації. Дивимося confusion matrix — один клас майже ніколи не детектується. Причина: дисбаланс 1:23. Рішення: oversampling рідкісного класу, focal loss для objectness, аугментації (Mosaic, MixUp вимкнути для рідкісного класу — вони його «розмивають»). Transfer learning обов'язковий: передтреновані на COCO ваги скорочують потребу в даних у 10 разів. Fine‑tune на 500–2000 доменних зображеннях дає робочу модель за 1–2 дні на одній GPU.

Для edge deployment: експорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin дає 150+ FPS при P99 latency < 8 ms — це в 3 рази швидше, ніж ONNX Runtime без TensorRT. На сервері A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Як fine‑tuning YOLO допомагає в розпізнаванні образів?

Припустимо, потрібно знаходити мікродефекти на поверхні металу — задача з високою роздільною здатністю та перекосом класів. Використовуємо YOLOv8m, передтренований на COCO (документація Ultralytics), і донавчаємо на 2000 власних зображень. Застосовуємо аугментації Mosaic, MixUp, random perspective. Після 200 епох mAP 0.5 досягає 0.93. Ключові прийоми:

• focal loss для objectness голови — зменшує внесок легко класифікованих прикладів.
• class‑balanced sampling — вирівнює представництво рідкісних класів.
• Test Time Augmentation (TTA) — підвищує recall на 5–7% за рахунок усереднення по фліпах та масштабах.

Отримайте консультацію з підбору архітектури для вашого завдання — зв'яжіться з нами.

Які архітектури сегментації обрати: SAM, Mask R‑CNN чи інші?

SAM (Segment Anything Model) від Meta змінив підхід до сегментації. SAM 2 працює з відео, підтримує трекінг об'єктів через кадри — для інтерактивного виділення об'єкта по точці або bbox це найкращий вибір з коробки. Для production instance segmentation без інтерактивного промпту — Mask R‑CNN або YOLOv8‑seg. YOLOv8‑seg навчається як звичайний детектор з додатковими масками, зручний у тих же пайплайнах. Семантична сегментація (кожен піксель — клас) — SegFormer, DeepLabV3+. SegFormer‑B5 дає хороший баланс точності та швидкості для аналізу супутникових знімків або медичної сегментації.

Кейс: сегментація клітин на мікроскопічних зображеннях. Датасет 400 зображень з ручною розміткою. Навчання Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — погано. Проблема: об'єкти (клітини) перекриваються, стандартний NMS вбиває перекриваючі передбачення. Рішення: перехід на cellpose (спеціалізована архітектура для біомедичних задач) + soft‑NMS. IoU зріс до 0.79.

Коли Tesseract не справляється з OCR?

Tesseract — відправна точка для простих задач: друкований текст, хороше освітлення, рівне розташування. Як тільки з'являються рукописні елементи, нестандартні шрифти, перспективні спотворення або багатоколоночний макет — Tesseract деградує швидко.

PaddleOCR — production‑grade рішення: виявлення текстових блоків + розпізнавання + структурний аналіз. Працює з коробки для 80+ мов, включаючи українську. Підтримує таблиці та документи зі складною структурою. Wikipedia: Оптичне розпізнавання символів. TrOCR (Microsoft) — трансформерний OCR з сильними результатами на рукописному тексті. Для українського рукописного тексту потрібен fine‑tuning: базова модель навчена переважно на латиниці.

Що робити, якщо Tesseract не справляється з розпізнаванням образів на документах?

Для задач «витягни дані з рахунку / договору / паспорта» використовуємо LayoutLMv3 або Donut — ці моделі розуміють layout документа, а не тільки текст. Інтеграція через Hugging Face Transformers, fine‑tuning на 200–500 розмічених документах. Типовий pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Виявлення текстових блоків: PaddleOCR detection або CRAFT.
3. Розпізнавання: PaddleOCR recognition або TrOCR.
4. Post‑processing: нормалізація, валідація через regex або LLM для структурованих полів.

Для документів з фіксованою структурою template matching + OCR точково по координатах часто надійніше за end‑to‑end рішення.

Face Recognition: ідентифікація та верифікація

Face recognition = detection + alignment + embedding + matching. Кожен етап важливий.

Detection: RetinaFace або InsightFace для точної локалізації обличчя та ключових точок. MTCNN — старіше, але надійне рішення. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Моделі iresnet50/iresnet100 передтреновані на MS1MV3 (5M ідентичностей). Ембеддинг‑вектор 512 float32, порівняння за cosine similarity. Threshold tuning: поріг рішення — критичний параметр. При threshold 0.6 типовий FPR на LFW benchmark — 0.001, TPR — 0.985. У production threshold потрібно калібрувати під реальний distribution: люди в масках, зі зміненою зовнішністю, в різних умовах освітлення. Liveness detection обов'язковий: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo містить кілька передтренованих liveness‑детекторів.

Відеоаналітика

Відео — послідовність кадрів плюс часовий вимір. Наївний підхід — детектувати на кожному кадрі — дорого.

Трекінг: ByteTrack та BoT‑SORT — стандарт для multi‑object tracking. Працюють поверх будь-якого детектора, додають persistent ID об'єктам між кадрами — це дає підрахунок об'єктів, трекі руху, velocity.

Оптимізація: не потрібно обробляти кожен кадр. Для статичних сцен детекція на кожному 5–10 кадрі, між ними — трекер. Для детекції подій (людина увійшла в зону) background subtraction (OpenCV MOG2) як lightweight pre‑filter перед нейромережевою детекцією. Action Recognition: SlowFast, VideoMAE для класифікації дій. Важкі моделі — для production використовуємо ONNX export + TensorRT або офлайн обробку.

Як виміряти якість моделі розпізнавання образів у продакшені?

Моніторинг якості — ключовий елемент MLOps. Відстежуємо:

• розподіл prediction confidence;
• частку low‑confidence передбачень (індикатор OOD‑даних);
• дрейф вхідних зображень через feature distribution (embeddings з backbone).

Падіння середньої confidence з 0.87 до 0.71 за тиждень — ранній сигнал про distribution shift. NVIDIA Triton Inference Server рекомендує відстежувати ці метрики через Prometheus. Наші сертифіковані інженери налаштовують моніторинг і гарантують SLA по якості інференсу.

Деплой CV‑моделей

Для онлайн інференсу використовуємо Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Підтримує TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST та gRPC API. Гарантуємо стабільну роботу під навантаженням.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобільних пристроїв. OpenVINO для Intel CPU/GPU/VPU — дає 2–3× приріст швидкості на Intel залізі порівняно з ONNX Runtime. Після деплою передаємо модель з документацією та навчаємо персонал.

Що входить в роботу

Терміни та вартість

Прототип детектора на існуючих даних — 1–2 тижні. Production‑система з оптимізацією під цільове залізо — 4–8 тижнів. Повний цикл включаючи розмітку даних (1000–5000 зображень) — 2–4 місяці. Вартість розраховується індивідуально під кожну задачу. Ми на ринку більше 5 років, реалізували 60+ проектів з комп'ютерного зору. Оцінимо ваш проект під ключ — замовте консультацію, щоб отримати розрахунок та технічну пропозицію.