agrogenetics.ru
Термин применяется широко и часто маркетингово. Полезнее разбирать конкретные задачи: где алгоритмы уже дают результат, а где пока обещания.
Что работает сегодня
Распознавание по изображению. Определение вида сорняка, диагностика болезней и вредителей по фотографии листа. Точность на распространённых объектах высока, на редких заметно падает.
Прогноз развития болезней по погодным данным. Модели существуют давно, машинное обучение повышает их точность за счёт учёта большего числа факторов.
Дифференцированное внесение на основе анализа многолетних данных урожайности, снимков и почвенных обследований.
Прогноз урожайности по вегетационным индексам и погоде в течение сезона.
Точечное опрыскивание с распознаванием сорняка в реальном времени и обработкой только его.
Что требуется для работы
- Данные в достаточном объёме и приемлемого качества: алгоритм учится на них.
- Единый справочник полей и корректные площади.
- Ряд наблюдений за несколько лет — один сезон непоказателен.
- Понимание, какое решение будет приниматься на основе результата.
Где ожидания завышены
Автоматическое принятие агрономических решений без участия специалиста. Модель работает в границах данных, на которых обучалась, и в нетипичной ситуации даёт уверенно неверный ответ.
Прогнозы, построенные на чужих данных из других зон, обычно плохо переносятся на конкретное хозяйство.
Разумный подход
Начинать с одной задачи, где результат измерим и проверяем, и обязательно сопоставлять рекомендации системы с собственными наблюдениями в поле хотя бы первый сезон.