Платформа мониторинга сельхозугодий
Создали платформу для агрохолдинга: мониторинг 25K га через спутниковые снимки, прогноз урожайности, учет техники и ресурсов.
+12%
урожайность за сезон
Точечное внесение удобрений по зонам поля вместо равномерного расхода на все площади
–22%
расход удобрений
ML-модель рассчитывает дозировку по участкам на основе анализа почвы и снимков NDVI
25K га
под мониторингом
Три региона покрыты спутниковыми снимками с обновлением каждые 5 дней
Задача
Агрохолдинг с 25 000 га пахотных земель в 3 регионах принимал решения об обработке полей «на глаз». Агрономы объезжали участки лично, удобрения вносились равномерно без учета состояния почвы на конкретном участке. Перерасход удобрений достигал 20-30% на отдельных полях, при этом другие участки недополучали питание. Нужна была платформа точного земледелия с картами полей, прогнозами урожайности и учетом всех операций.
Что было до нас
Решения об обработке полей принимаются без данных — «на глаз» при объезде
Удобрения вносятся равномерно, без учета состояния почвы по зонам поля
Нет единой системы учета техники, ГСМ и полевых операций
Планирование сезона занимает 2 дня в Excel без учета погодных прогнозов
Решение
Платформа точного земледелия с ML-прогнозами
Интерактивная карта полей
Все угодья на карте PostGIS с наложением спутниковых снимков NDVI. Цветовая индикация состояния посевов, границы полей, история обработок.
ML-прогноз урожайности
Модель на TensorFlow анализирует исторические данные, погоду и текущее состояние посевов. Прогноз по каждому полю с точностью 88%.
Карты внесения удобрений
Рекомендации по дозировке для каждой зоны поля на основе анализа почвы и снимков. Экспорт карт-заданий на бортовые компьютеры техники.
Учет техники и ГСМ
GPS-трекинг комбайнов и тракторов, нормы выработки, расход топлива. Автоматическое сопоставление факта с планом.
Мобильное приложение агронома
Задачи на день, фотоотчеты с геопривязкой, заметки по полям. Работает в оффлайн-режиме и синхронизируется при появлении связи.
Интеграция с метеостанциями
Данные с 12 локальных станций: осадки, температура, влажность, ветер. Прогноз на 7 дней для планирования полевых работ.
Мониторинг полей
25K га
под наблюдением
147
полей в системе
0.82
средний NDVI
До
Объезд полей вручную
Удобрения вносятся «на глаз»
Планирование сезона: 2 дня в Excel
Нет данных о состоянии посевов
После
Спутниковый мониторинг каждые 5 дней
Точные карты внесения по зонам
Планирование за 3 часа с ML-прогнозом
NDVI-карты и история по каждому полю
Результаты
Урожайность выросла на 12% за первый сезон
Точечное внесение удобрений по зонам обеспечило равномерное питание на всех участках
Расход удобрений снизился на 22%
ML-модель рассчитала оптимальные дозировки — перестали тратить ресурсы на участки, которые не нуждались в подкормке
Планирование полевых операций: с 2 дней до 3 часов
Автоматические рекомендации на основе погоды, состояния посевов и загрузки техники
Потери при уборке снизились на 8%
Прогноз оптимальных сроков уборки по каждому полю с учетом влажности и погоды
Использованные услуги
Другие проекты
Мониторинг промышленного оборудования
Создали IoT-платформу для мониторинга 200+ единиц оборудования: сбор показаний датчиков, раннее обнаружение проблем, оповещения и отчеты.
Личный кабинет финтех-платформы
Спроектировали и разработали клиентский портал для финтех-компании: подача заявок, автоматическая оценка, интеграция с 3 банками-партнерами.
Нужен подобный проект?
Расскажите о задаче - предложим решение и дадим оценку сроков.