ИИ в АПК.вар.1

1.

Олег Синицын
Иискусственный интеллект в
АПК: Новый уровень
эффективности на примере
Агрохолдинга Детскосельский
Цифровая трансформация АПК с 15 инновационными кейсами ИИ для роста
прибыли и снижения затрат.

2.

Контекст и структура
Агрохолдинга
Детскосельский
Агрохолдинг специализируется на
растениеводстве — зерновые,
масличные, технические и кормовые
культуры, а также на животноводстве:
молочное, мясное, свиноводство,
птицеводство. Включены переработка и
экспортная логистика для комплексной
цепи добавленной стоимости.
2

3.

Стратегия внедрения ИИ: фокус на ключевых
направлениях
Оптимизация в растениеводстве
Основной упор делается на
рациональное использование ресурсов и
точное прогнозирование урожайности.
Это позволяет минимизировать
перерасход удобрений и повысить
качество управленческих решений.
Продуктивность и контроль в
животноводстве
Внедрение ИИ-систем улучшает мониторинг
здоровья и питание животных.
Интегрированные решения внутри
логистической цепи способствуют
сокращению затрат и повышению
рентабельности.
3

4.

Кейс 1: Преимущества спектрального
мониторинга NDVI
Выявление скрытого стресса
растений
Дополнительный урожай благодаря
оперативности
Использование спутников Sentinel-2
позволяет обнаруживать признаки
стресса еще за 2-3 недели до видимых
симптомов, обеспечивая
своевременное вмешательство и
Точность мониторинга достигает до 92%
при оптимальных условиях. Это
способствует приросту урожая на 2,5–3%,
благодаря рациональным корректировкам
режимов полива и внесения удобрений.
4

5.

Кейс 2: Вариативное внесение азота — снижение затрат и рост
эффективности
Вариативное внесение снижает затраты
удобрений на 10-15% и экономит до 400
рублей с гектара.
Использование VRA показывает высокую
отдачу с ROI 1,8 за первый год,
подтверждая экономическую
целесообразность.
Данные Агрохолдинга Детскосельский, 2024
5

6.

Кейс 3: Прогноз урожайности с применением
нейросетей
Анализ 15-летних данных с применением BPNN улучшил точность прогноза до
11-13% MAPE, превзойдя традиционные методы на 40%.
Прогнозы с доверием до 92% позволяют заранее планировать продажи,
складирование и логистику, снижая потери до 1,5%.
Интеграция таких моделей способствует более сбалансированному цепочному
управлению поставок, улучшая финансовые показатели агрохолдинга.
6

7.

Кейс 4: ИИ в севообороте для
устойчивого роста
Многосценарный анализ с ML
Значительный прирост прибыли
На основе более 10 000 вариантов
сценариев для каждого поля проводится
оптимизация с учетом агрохимических
данных и рыночного спроса, что помогает
предотвратить истощение почвы.
Оптимизация севооборота приносит
дополнительную прибыль 1000-1500
рублей на гектар, улучшая плодородие и
обеспечивая устойчивость производства
на долгосрочную перспективу.
7

8.

Кейс 5: Дроны и CNN в диагностике болезней
растений
Высокоточная классификация
заболеваний
Экономия ресурсов и сохранение
урожая
Обработка снимков с разрешением 5 см с помощью
сверточных нейросетей обеспечивает точность
диагностики до 96%, существенно ускоряя процесс
выявления проблем.
Сокращение применения пестицидов на 35-40%
благодаря точечной обработке способствует
сохранению до 30% потенциального урожая, снижая
негативное воздействие на окружающую среду.
8

9.

Кейс 6: ИИ в управлении поливом — оптимизация
ресурсов
Прогнозирование влажности почвы с
RMSE 2–3% обеспечивает экономию
воды и энергии, одновременно повышая
урожайность.
Точное управление влажностью почвы с
помощью LSTM-модели значительно
улучшает ресурсосбережение и
стабильность производства.
Исследования Агрохолдинга Детскосельский, 2024
9

10.

Кейс 7: Компьютерное зрение в борьбе с
сорняками
Массив данных и точность
распознавания
Эффективность и экологические
выгоды
Обучение модели YOLO v8 на базе 50 000
фотографий обеспечивает распознавание
10 видов сорняков с точностью 94-97% и
скоростью 60 кадров в секунду.
Сокращение гербицидов на 30-50% и
прирост урожая на 4-6% благодаря
точечному контролю сорняков
содействуют улучшению экологической
обстановки на полях.
1

11.

Кейс 8: Оптимизация сроков уборки для
снижения потерь
Сбор данных NDVI и
ГТК
Прогноз готовности
урожая
Снижение потерь и
повышение ценности
Ежедневный
мониторинг с помощью
спутникового NDVI и
регистрация
температурных сумм
позволяет отслеживать
созревание культур с
высокой точностью.
Регрессионная модель
с учетом влажности
зерна предсказывает
оптимальное время
уборки за 5–7 дней с
91% точностью для
максимального
сохранения качества.
Оптимизация сроков
уборки помогает
снизить потери урожая
на 2–3% и повысить
рыночную стоимость
зерна на 1–2%
благодаря
оптимальному уровню
влажности.
1

12.

Кейс 9: Картирование уплотнений и
аномалий почвы
Точная диагностика почвенных
проблем
Повышение плодородия на
долгосрочной основе
Использование электромагнитных датчиков EM38 и
георадара совместно с алгоритмами Isolation Forest
позволяет выявлять уплотнения, заболачивание и
засоление с точностью до 97%. Такие данные
критичны для целевого вмешательства.
Реализация мероприятий по мелиорации и дренажу
на основе выявленных аномалий способствует
улучшению плодородия почвы на 15-20% в течение
3-5 лет, что увеличивает урожайность и снижает
излишние затраты.
1

13.

Кейс 10: Прогнозирование цен на агропродукцию и
хеджирование
Мониторинг цен
фьючерсов и валютных
курсов помогает
учитывать
геополитические и
экономические риски для
прогнозирования цен с
помощью ARIMA и
XGBoost.
Анализ рыночных
данных и валютных
факторов
Применение форвардов
и фьючерсов снижает
риски и обеспечивает
дополнительную маржу
от 3 до 7%, повышая
финансовую
устойчивость
агрохолдинга.
Прогноз с высоким
уровнем точности
Оптимизация
хеджирования и
повышение маржи
Модели обеспечивают
точность прогнозов в
пределах 7–10% на
среднесрочный
период 30–90 дней,
что позволяет
рационально
планировать продажи.
1

14.

Кейс 11: IoT-мониторинг здоровья крупного
рогатого скота
Раннее выявление заболеваний
Ошейники с множеством датчиков фиксируют
параметры поведения и состояния животных.
Использование ансамблевых моделей
позволяет обнаруживать болезни за 1–2 суток
до проявления симптомов, повышая
эффективность лечения.
Рост продуктивности и снижение
затрат
Превентивный мониторинг способствует
увеличению надоя на 5–7%, сокращению
расходов на ветеринарные услуги на 30%
и снижению уровня падежа поголовья
почти вдвое.
1

15.

Кейс 12: Оптимизация кормления ИИ в
животноводстве
Ежедневный пересчет рационов с учетом
состава кормов и продуктивности
животных минимизирует потери и
повышает эффективность.
ИИ позволяет существенно снизить
затраты на корм и улучшить здоровье
животных, что повышает общий
рентабельность производства.
Данные Агрохолдинга Детскосельский, 2023
1

16.

Кейс 13: Роботизация доения с ИИ-контролем
качества молока
Увеличение производительности
доения
Контроль качества и снижение
соматических клеток
Внедрение автоматизированных доильных машин с
анализом объёмов и качества молока повышает
производительность на 18-25%, снижая
трудозатраты и повышая эффективность фермы.
Реальное время аналитики соматических клеток
позволяет оперативно выявлять мастит и
сортировать молоко по качеству, что сокращает
уровни СМЦ на 30–40% и повышает рыночную
стоимость продукции.
1

17.

Кейс 14: Оптимизация логистики и цепей
поставок на ИИ
Использование
алгоритмов
Reinforcement
Learning уменьшает
расход топлива на
15–20% и сокращает
транспортное время
на 10–15%, повышая
эффективность
перевозок и снижая
издержки.
Точное
прогнозирование
спроса с MAPE 8–
12% поддерживает
планирование
поставок, снижая
товарные запасы и
минимизируя
стоимость хранения
на 12–18%.
Внедрение ИИ
обеспечивает
дополнительную
экономию в 800–1200
рублей на тонну
продукции, улучшая
финансовые
показатели и
устойчивость цепи
поставок.
1

18.

Кейс 15: Превентивное выявление проблем техники —
предотвращение простоев
Превентивное выявление
неисправностей
Телеметрия более 100 датчиков
тракторов и комбайнов позволяет с
помощью моделей Anomaly Detection
выявлять сбои за 3–5 дней до отказа,
обеспечивая своевременный ремонт.
Снижение простоев и затрат на ТО
Предиктивное обслуживание сокращает
вынужденные простои техники на 70-80%,
снижает затраты на техническое
обслуживание на 20–25%, минимизируя
потери урожая в пиковые сезоны.
1

19.

Финансовый эффект внедрения ИИ (15 кейсов, по
направлениям)
Распределение дополнительной
прибыли и экономии по ключевым
сегментам агрохолдинга Детскосельский.
Общий эффект достигает до 10 млн
рублей в год.
Оптимизация процессов ИИ значительно
повышает доходы по всем
направлениям, с наибольшим эффектом
в растениеводстве и животноводстве.
Внутренние данные Агрохолдинга Детскосельский,
2023
1

20.

160200%
ROI достигает
высоких значений за
два года, обеспечивая
быстрое возвращение
инвестиций и
значительное
увеличение прибыли.
Инвестиции в
цифровизацию
составляют 20–25 млн
рублей с окупаемостью в
6–8 месяцев и приносят
значительный годовой
финансовый эффект до
10 млн рублей.
Аналитика проекта Агрохолдинга Детскосельский, 2023
2

21.

Финансовый эффект по отраслям:
детальный анализ
Значимый вклад
растениеводства
Растениеводство приносит до 4,2 млн
рублей прибыли на 1000 га. Контроль
заболеваний дополнительно
увеличивает доход на 3000 рублей за
гектар, а автоматическое планирование
— на 1000 рублей, повышая общую
эффективность хозяйства.
Рост в животноводстве
Интеграция и общий эффект
За год доход на одну корову
вырастает на $400 благодаря
применению ИИ. Прирост молока
достигает 330 кг на животное, а
экономия за счет оптимизации
процессов превышает $500 тыс.
ежегодно.
Комплексный подход повышает
прибыльность всех отраслей
агрохолдинга. Суммарный
финансовый эффект достигает
многомиллионных значений,
укрепляя стабильность и
развитие бизнеса в целом.
2

22.

Технологическая база ИИ: ключевые
компоненты
Технологии взаимодействуют для
комплексного сбора и анализа данных в
реальном времени.
Сочетание инновационных решений
создаёт надежную архитектуру,
оптимизирующую агропроизводство.
Аналитика Агрохолдинга Детскосельский, 2024
2

23.

Пошаговое внедрение ИИ и цифровой
трансформации
Этапы развития и масштабирования проектов
2

24.

ИИ в АПК: залог
устойчивого роста и
инноваций
Искусственный интеллект обеспечивает значительное снижение затрат,
повышение качества и адаптивности производства. В будущем
прогнозируется внедрение генеративного ИИ и полная автоматизация с
помощью мобильных ассистентов для ускорения развития отрасли.

25.

Спасибо за внимание!
Вопросы?
Олег Синицын
Руководитель продукта
Санкт-Петербург
http://porodox.ru