Ключевые Задачи Конкурса

Задача:

Создать комплексную AI систему, которая на основе экспресс-анализа строит карту почв, определяет необходимость и состав минерального удобрения, готовит его и распыляет на нужные участки.

Цель:

Автоматизировать процесс минерализации почв, сократить расход удобрений и повысить экологическую безопасность продуктов.

Что требуется:

1. Система экспресс-анализа почвы с построением карты.
2. Модель CV для построения карты наличия растений.
3. Система обработки данных для принятия решений.
4. Система автоматического приготовления удобрений.
5. Система автоматической заправки дронов.
6. Система автоматической обработки полей дронами (с авто-заменой/зарядкой аккумулятора).
7. Алгоритм точечной обработки.
8. Алгоритм запуска и остановки системы.
9. Короткая видеопрезентация или презентация решения.

Описание системы:

Система собирает данные с датчиков, строит карту минерализации и наличия растений, после чего принимает решение о необходимости внесения удобрений. База (емкости, дроны) готовит раствор нужной концентрации, заправляет дрон и отправляет на опрыскивание. После обработки проводится повторный анализ, и система самообучается для повышения точности. Агроном задает начальные параметры и может в любой момент остановить работу.

Задача:

Создать комплексную AI систему, которая на основе данных с датчиков влажности, фото/видео датчиков и прогноза погоды строит карту полива и определяет его необходимость.

Цель:

Автоматизировать процесс полива и сократить расход воды.

Что требуется:

1. Система экспресс-анализа почвы с построением карты полива.
2. Модель CV для построения карты наличия растений.
3. Система обработки данных для принятия решения о необходимости и времени полива.
4. Система автоматического управления поливом.
5. Короткая видеопрезентация или презентация решения.

Описание системы:

Система собирает данные с датчиков и метеослужб, строит карту почв и определяет необходимость и степень полива. Дает команду на включение дождевальной машины и управляет ее скоростью. После полива система анализирует результат и самообучается для оптимизации будущих циклов.

Цель проекта:

Разработка ПО для автоматизированной системы удаления сорняков с помощью лазера, интегрированной с сельхозтехникой. Система должна обеспечивать высокую точность распознавания (> 90%), безопасное наведение и интеграцию с бортовой электроникой.

Функциональные требования:

• Модуль CV: Распознавание «сорняк vs культура», локализация сорняка.
• Модуль лазерного наведения: Расчёт параметров излучения.
• Модуль безопасности: Предотвращение поражения культуры, блокировка лазера при высокой скорости.
• Интерфейс оператора: Отображение состояния системы, управление режимами, журнал действий.
• Отчётность: Ведение БД обработанных участков, экспорт отчётов, визуализация.

Технические параметры:

• Камеры: ≥ 2 шт, Full HD, ≥ 30 fps, защита IP65.
• Лазер: Диодный синий (≈ 450 нм), мощность 80-320 Вт.
• Позиционирование: GPS/ГЛОНАСС, возможно LiDAR.
• Интерфейсы: CAN-шина, Ethernet, WiFi/4G/5G.
• Условия эксплуатации: Температура от –10°C до +40°C, влажность до 90%.

Цель проекта:

Разработка интеллектуальной системы для оптимизации полива хлопковых полей с использованием ИИ. Система должна обеспечивать рациональное использование водных ресурсов, повышение урожайности и снижение затрат.

Задачи проекта:

Сбор и обработка данных с агро-сенсоров, разработка модели машинного обучения для прогнозирования потребности во влаге, создание алгоритма оптимального расписания полива, разработка веб-панели или мобильного приложения для визуализации и управления.

Ожидаемые результаты:

Прототип работающей системы, алгоритм прогнозирования поливов с точностью не менее 85%, веб-интерфейс для агронома с интерактивными картами и графиками, а также отчёт о тестировании и рекомендации по внедрению.