В России разработана нейросеть для точного земледелия, которая на основе фактических параметров поля рассчитывает урожайность, анализирует схемы внесения удобрений и формирует рекомендации по их корректировке.
Разработка создается при участии Кубанского государственного аграрного университета и проходит финальные агрономические испытания на полях Краснодарского края. Система дообучается на реальных данных, что позволяет учитывать специфику почв, культур и условий конкретных хозяйств.
Практические результаты за два года испытаний на 17 полях: рост урожайности до 6,3%, снижение расхода удобрений в среднем на 24 кг/га, совокупный экономический эффект 1,86 млн рублей.
Проект реализуется совместно с агробизнесом и рассчитан минимум на трехлетний цикл испытаний.
В дальнейшем технология может быть масштабирована на другие регионы, адаптирована под различные культуры и интегрирована в комплексные ИИ-системы управления агротехнологическими процессами
Разработка создается при участии Кубанского государственного аграрного университета и проходит финальные агрономические испытания на полях Краснодарского края. Система дообучается на реальных данных, что позволяет учитывать специфику почв, культур и условий конкретных хозяйств.
Практические результаты за два года испытаний на 17 полях: рост урожайности до 6,3%, снижение расхода удобрений в среднем на 24 кг/га, совокупный экономический эффект 1,86 млн рублей.
Проект реализуется совместно с агробизнесом и рассчитан минимум на трехлетний цикл испытаний.
В дальнейшем технология может быть масштабирована на другие регионы, адаптирована под различные культуры и интегрирована в комплексные ИИ-системы управления агротехнологическими процессами