Специалисты компании Cognitive Pilot (дочернее предприятие ？Сбера？ и Cognitive Technologies) смогли решить сложную задачу, позволяющую автопилотам умной сельхозтехники различать области, практически неразличимые человеческим глазом. Компания разработала технологию Cognitive Border Recognition, позволяющую с промышленной точностью распознавать границы обработанных и необработанных техникой областей поля, которые во многих случаях неотличимы человеком, и осуществлять по ним навигацию по компьютерному зрению с сантиметровой точностью.

       Большей частью такие решения востребованы в так называемых тракторных задачах, когда техника выполняет операции сева, полива, обработки культур химикатами и т. п. В таких случаях отличить обработанную и необработанную области поля человеческим глазом чрезвычайно сложно. Создание технологии Cognitive Border Recognition позволило существенно расширить области применимости систем автопилотирования. Эксперты уверены, что появление решений на основе ИИ для навигации сельхозтехники в зонах со слабым GPS-сигналом и его отсутствия трудно переоценить. Особенно эта инновация может быть востребована в аграрных регионах юга России.

       Ведущий разработчик Cognitive Pilot Геннадий Савицкий ответил на вопросы ？Ъ-Науки？:

       — Как все-таки удалось научить автопилот отличать такие близкие по текстуре изображения?

       — Мы научились выделять ключевые признаки границы, разделяющей зоны обработанной и необработанной части поля для всех сельхозопераций. Для этого был использован нейросетевой механизм уточнения границ. По анализу поступающих с камер изображений и имеющимся признакам границы раздела областей поля мы можем выделять наиболее вероятные зоны, содержащие эту границу, уточнять данные о ее наличии и подтверждать такую принадлежность. Другими словами, нейронная сеть стала обращать внимание даже на незначительные перепады в текстурах поля и более точно определять границы.

       — В задачах агронавигации этот подход уже где-то использовался?

       — Нет, нигде. Это наше ноу-хау. Кроме того, на финальном этапе обработки мы интегрировали в архитектуру нейронной сети классическую технику преобразования Хафа, что позволило использовать глобальные признаки (такие как граница зоны ？вспахано / не вспахано？) без сильного увеличения глубины сети. При этом сама нейросеть остается максимально легкой и не требовательной ни к вычислительной мощности на борту, ни к разрешению камер.

       В наиболее сложных случаях, как опрыскивание и полив, для достижения нужной точности распознавания обработанной и необработанной зон поля мы используем инфракрасное излучение.

       — Как раньше аграрии решали подобные задачи?

       — До недавнего времени такие задачи традиционно решались использованием автопилотов, где навигация осуществляется по сигналу GPS. Однако с уходом зарубежных компаний—производителей систем GPS-навигации с российского рынка и прекращением ими поддержки пользователей точность выполнения техникой, оснащенной GPS-навигаторами, сельхозопераций снизилась в несколько раз. Кроме того, проблема отсутствия GPS-сигнала в областях, близких к зоне проведения СВО, сделала использование GPS-навигации полностью невозможной.

       Вообще эксперты отмечают, что доля областей со слабым GPS-сигналом в мире в последнее время растет. Это следствие как деятельности человека, так и влияния природных явлений, например вспышек на Солнце. Известны случаи, когда после таких катаклизмов техника просто вставала чуть ли не на неделю. Очевидно, что в страду это может привести к серьезным убыткам.

       Кроме того, в отличие от GPS-решений использование автопилотов с ИИ имеет ключевое преимущество — видение и понимание ситуации на поле в режиме 24х7. Надо сказать, что наша система автопилотирования обладает как способностью навигации по GPS, так и компьютерным зрением. А возможности компьютерного зрения будут только расширяться, поскольку инновационные сенсоры в купе с ИИ-технологиями позволяют решать задачи управления автономным транспортом лучше и качественнее человека. И это преимущество будет со временем только расти. Это системы нового поколения, у них огромный потенциал.