Подпишись на самые актуальные события в индустрии сельского хозяйства
Расширяя горизонты

Главный агрокодинг России



Три уникальных мероприятия: Хакатон Agro Hack на лучшую адаптацию IT-решений для агросектора, конкурс идей в сфере агротехнологий AgroIdea и конференция FutureTech. Россельхозбанк объединил всех неравнодушных к новым технологиям в сельском хозяйстве: «Добро пожаловать в цифровое будущее российского АПК!»
8
Задач
500
Участников
30
Часов
1,35
Млн рублей призового фонда
Россельхозбанк создает единую цифровую платформу для фермеров, которая позволит продвигать новые IT-­решения в агроиндустрии. Предложить идею нового сервиса или стартапа и получить возможность реализовать свою задумку и выиграть приз – вот что предложил банк командам и «одиночкам» – участникам уникального проекта.

Отбор заявок проходит в два этапа: заполнение заявки на сайте с описанием идеи и затем – приглашение к участию в очном этапе. В ходе мероприятия номинанты проверяют гипотезу с участием реальных пользователей, дорабатывают решение и представляют его жюри. При оценке учитывается оригинальность идеи, ее релевантность условиям конкурса, масштабируемость и потенциал для агроиндустрии.

Хакатон – это современная обустроенная площадка, на которой в определенный отрезок времени совершаются десятки маленьких IT-­революций, часть которых в итоге превращаются в масштабные digital­-проекты. В нашем случае Agro Hack – это марафон создания концептуальных агропродуктов, которые помогут игрокам отрасли решать повседневные задачи с максимальной эффективностью, сохраняя время и ресурсы. Как говорится, одна голова хорошо, две лучше, а хакатон и вовсе идеальный способ разработать и запустить масштабные и практичные инновационные цифровые решения.
Сельское хозяйство — это основа всего, обеспечивающая нас продуктами питания. Наша задача как опорного банка агропро- мышленного комплекса – помочь одной из наиболее значимых отраслей реального сектора экономики выйти на новый уровень технологического развития. Инвестиции в сельское хозяйство – в последнее время одно из приоритетных направлений мировых технологических лидеров: Tencent, Alibaba, Google. Мы хотим привлечь интерес отечественных IT-специалистов к этому важному направлению. Хакатон позволит представителям цифрового сообщества собственноручно заняться формированием этой ниши. Мы ждем мощнейшего мозгового штурма, который выльется в конкретные, адаптированные под нужды фермеров цифровые продукты. Круг задач широк, и лучшие решения будут интегрированы в экосистему Россельхозбанка, которая начнет действовать уже летом.

Елена Батурова
Директор Центра развития финансовых технологий Россельхозбанка

Задача №1. Дневник здоровья телят

Первые 45 минут жизни теленка на молочных фермах являются самыми информативными и определяют не только его место
в дальнейшей цепи, но и успех фермера. Именно поэтому важно мониторить состояние каждого теленка с рождения. Для решения этой задачи участникам предлагается создать инструмент, позволяющий в реальном времени 24/7 накапливать ветеринарные записи о телятах с момента их появления. В результате получаем инструмент, который позволит фермерам вести онлайн-­карточки по каждому теленку с круглосуточным доступом для всех сотрудников, работающих на ферме с животными.

Код успеха:
Функциональное, удобное, практичное и эффективное в использовании web­- или mobile-­ресурсах решение.

Dreamteam:
Фронтенд-­программист (пользовательский интерфейс), бэкенд­программист (разработчик серверной части приложения), UI/UX-дизайнер (тот самый человек, который сделает интерфейс удобным и красивым) и менеджер продукта.

Задача №2. Сбор и визуализация данных о росте растения

Почему бы не создать дневник роста растений, который поможет следить за их развитием и влиянием окружающей среды на них? Ведь объемные знания о полном цикле развития растения помогут заглянуть в будущее и предотвратить возможные риски. В данном треке команды создают продукт, демонстрирующий процесс сбора, обработки и визуализации данных о росте растения. Основная задача – запустить поток данных с датчиков в облако и визуали­ зировать на дашборде (интерактивный отчет в реальном времени). Какую именно информацию собирать, как ее обрабатывать, хранить и визуализировать, команды решают самостоятельно. Также специ­ алисты смогут самостоятельно определить, для чего использовать собранные данные, или воспользоваться «подсказкой» от присут­ ствующих фермеров.

Код успеха:
Прототип решения, который включает в себя работающий демо-стенд и интерфейс, позволяющий в реальном времени отслеживать динамику роста растения и различные показатели окружающей среды. Решение дополняется бизнес­-кейсом продукта.

Dreamteam:
Инженер, бэкенд-­разработчик, фронтенд-­разработчик, дизайнер, аналитик.

Задача №3. Рекомендательный сервис по размещению культур на сельскохозяйственных полях

Каждый фермер хочет знать, на каком поле будет лучший урожай. Для сельскохозяйственных растений большое значение имеет правильный подбор поля по совокупности ряда агрономических факторов, технических ограничений хозяйства и финансовой стороны вопроса. Цель инновационного сервиса – получить комплексное решение, помогающее агроному наилучшим образом запланировать размещение культур на полях своего хозяйства и получить максимальный урожай.

Код успеха:
Удобный сервис, который позволит легко и интуитивно вводить исходную информацию, а затем получать распределение культур по полям, максимально приближенное к целевому при минимальном нарушении ограничивающих условий.

Dreamteam:
Участники с навыками UX/UI-­дизайна, опытом решения оптимизационных задач.

Задача №4. Выбор оптимального поставщика удобрений

Несколько раз в год сельхозпроизводитель встает перед выбором поставщика удобрений. Важно просчитать все: содержание необходимого действующего вещества в предлагаемой рынком продукции, возможности хранения определенных объемов удобрений, способы их доставки и, конечно же, стоимость. Эта задача может иметь комплексное цифровое решение.

Код успеха:
Система сбора данных о поставщиках удобрений из открытых источников (интернет, социальные сети) и интерфейс для фермера, где можно выбрать наиболее выгодные предложения по заданным параметрам.

Dreamteam:
Команда или участник, которые имеют навыки поиска в интернете и социальных сетях, легко анализируют информацию, умеют разрабатывать базы данных, поисковые запросы, алгоритмы определения оптимальных решений, использовать библиотеки ML (библиотеки машинного обучения).

Задача №5. Выбор лучшей агростратегии по многомерной базе данных

Новые агротехнологии появляются чуть ли не каждый день. Было бы удобно, если бы вся актуальная информация о них, включая отзывы о фактическом использовании, была собрана в одном месте. В этом задании команды создают систему сбора актуальных и исторических данных о применяющихся агротехнологиях и технологических операциях из открытых источников и соцсетей.

Код успеха:
Алгоритм сбора информации об агротехнологиях; база данных агротехнологий, ключевых параметров регионов, значений и весов показателей оценки эффективности; оптимальный математический алгоритм, основанный на ML, выбора эффективного предложения по указанным показателям и интерфейсы ввода данных, вывода трех лучших вариантов агротехнологий и списка всех вариантов. Главное – учесть задаваемые пользователем данные, а именно: географический район, сельскохозяйственную культуру, технические возможности пользователя.

Dreamteam:
Команда или участник, которые имеют навыки поиска в интернете и социальных сетях, легко анализируют информацию, умеют разрабатывать базы данных, поисковые запросы, алгоритмы определения оптимальных решений, использовать библиотеки ML (библиотеки машинного обучения).

Задача №6. Нейросеть для обнаружения заболеваний листьев яблони по фотографии

Правильный уход за яблоневыми садами – залог эффективности этого бизнеса. Вовремя определить болезнь дерева – непростая задача, если у тебя под присмотром десятки гектаров насаждений. Командам хакатона предлагается создать прототип web­-сервиса MVP (minimum viable product, прототип бизнес-­идеи, который создается, чтобы проверить эту самую идею), определяющего по фотографии листа яблони наличие или отсутствие заболевания за счет разработки и обучения глубокой нейросети на размеченном датасете (попросту – в виде обработанного и структурированного набора данных).

Код успеха:
Работающий прототип web­сервиса (MVP) и обученная глубокая нейросеть для обнаружения заболевания листа яблони по фотографии. Итоговый балл на 80% со­ стоит из оценки качества нейросети и на 20% — из оценки жюри простоты и удобства пользования сервисом.

Dreamteam:
Команда или участник с навыками машинного обучения, умения обрабатывать изображения и вести математическую статистику, использовать язык программирования общего назначения Python.

Задача №7. Разработка полетного задания для группировки сельскохозяйственных дронов

Когда на полях обнаружены сорняки или вредители, счет времени на эффективную борьбу исчисляется часами. Если полей несколько или они находятся на расстоянии друг от друга, скорость обработки поля препаратами приобретает важнейшее значение.
В этом случае группировка дронов – незаменимое решение. Команда разрабатывает полетное задание для группировки из нескольких дронов­-опрыскивателей для равномерного распределения средств защиты растений за короткий срок, исключив возможности столкновения дронов в воздухе.

Код успеха:
Формализованные текстовые файлы полетного задания, которые загружаются
в полетный симулятор группировки дронов и визуализируются. Лучшее решение – это совокупность реализуемости, полноты обработки поля, времени обработки, количества использованных ресурсов и безопасность.

Dreamteam:
Опытные программисты, которые умеют работать с геоинформационными системами, понимают принципы работы дронов­-опрыскивателей для угодий сельскохозяйственного назначения, не боятся линейного программирования, с легкостью применяют аналитические способности.

Задача №8. Разработка алгоритма сшивки фотографий угодий с дронов-наблюдателей

Дрон-­наблюдатель облетает поля и делает по трассе полета фотографии с определенной периодичностью. Команда этого трека разрабатывает алгоритм, позволяющий объединить снимки в единое изображение, который в автоматическом режиме учитывает, что высота съемки, ориентация дрона, наклон относительно поверхности земли могут меняться от снимка к снимку, а сами фотографии могут накладываться друг на друга. В итоге мы имеем оптимальный алгоритм сшивки фотографий сельхозугодий для подготовки общего плана полей хозяйства и максимального упрощения работы агронома.

Код успеха:
Приложение с жизнеспособным высокоскоростным интерфейсом, в котором можно совместить все снимки в единое изображение. Карты полей точно накладываются на полученное изображение без дефектов совмещения, процесс совмещения происходит с минимальным участием человека.

Dreamteam:
Опытные программисты, умеющие работать с геоинформационными системами, понимающие принципы работы дро­нов-­наблюдателей и способные применять аналитические подходы к решению.
Понравилась статья? Поделитесь с друзьями!

Вам также понравится