Всем привет! Хочу рассказать историю своего самого первого коммерческого внедрения. Она отлично иллюстрирует мой главный принцип: ИИ — это не обязательно космолет за миллионы, иногда это простой и рабочий инструмент, который спасает реальные деньги.

Ко мне обратился владелец небольшой теплицы в Подмосковье. У него была классическая проблема малого агробизнеса: он сам себе агроном, директор и бухгалтер. Теплица немаленькая, и уследить за каждым кустом томатов физически невозможно. Главный страх любого тепличника — фитофтора и ранняя гниль. Если пропустить начало болезни на паре кустов, через неделю можно потерять половину урожая.

Задача: Нужно было дешевое и сердитое решение, которое поможет фермеру вовремя заметить очаги заболевания, не нанимая дополнительный персонал для постоянного мониторинга.

Почему дорогие решения не подходили:

Ставить профессиональные камеры на каждом метре — дорого.
Покупать сложные системы мониторинга климата и предиктивной аналитики — слишком долго и сложно во внедрении для старта.

Мое решение: Я предложил максимально простой подход, основанный на компьютерном зрении (Computer Vision). Мы решили использовать обычный смартфон с хорошей камерой и телеграм-бот.

Вот как мы построили процесс:

Сбор данных (самый важный этап). Я приехал в теплицу, и мы вместе с владельцем отфотографировали сотни листьев. Снимали всё подряд: здоровые листья, листья с начальной стадией болезни (желтые пятна), листья с уже явными поражениями. Важно было снимать при разном освещении — утром, днем, вечером, чтобы нейросеть не путалась.
Обучение модели. Я не стал изобретать велосипед и взял за основу проверенную архитектуру для классификации изображений. Так как данных было не тысячи, а сотни, я использовал технику Transfer Learning (дообучение уже готовой мощной модели на наших специфических данных). Это позволило получить первый рабочий прототип буквально за пару дней на моем домашнем компьютере.
Внедрение. Мы не стали делать сложное приложение. Я написал простейший Python-скрипт и подключил его к Telegram-боту.

Как это работает сейчас: Фермер или его помощник, проходя утром по теплице, просто фотографируют на телефон подозрительные участки растений и тут же отправляют фото в бот. Бот, крутящийся на недорогом удаленном сервере (а можно запустить хоть на старом ноутбуке в подсобке), обрабатывает фото моей моделью.

Через 10–15 секунд бот присылает ответ: «С вероятностью 95% это ранняя стадия фитофтороза» или «Всё ок, это просто солнечный ожог».

Результат: В первый же месяц использования система помогла выявить три локальных очага болезни на самой ранней стадии. Фермер точечно обработал эти участки, не заливая химией всю теплицу. По его подсчетам, это спасло около 15-20% урожая, который в прошлом году просто сгнил из-за позднего обнаружения.

Затраты на разработку окупились с первого же спасенного сбора. Это и есть тот самый доступный ИИ, за который я топлю!

Мой первый проект: как Python-скрипт помог спасти урожай томатов в подмосковной теплице

Похожие статьи

Поделиться в соц. сетях

Комментарии