Описание проекта
Аэропоника - это метод выращивания растений не только без использования почвы, но и без каких-либо субстратов. Суть метода заключается в том, что корневая система растений располагается в воздушной среде, а не в воде, как в привычном всем методе гидропоники. Находясь в воздушной среде, корневая система постоянно опрыскивается питательными растворами при помощи специальных форсунок.
Актуальность:
Ежегодно площадь земельных угодий предназначенных для выращивания растений сокращается на 5 - 7 млн. га. Общий земельный фонд мира составляет более 26 % от всей площади нашей планеты. В России сельскохозяйственные площади занимают только 13 % от общей территории.
За все время земледелия человечество потеряло почти 2 млрд. га продуктивных земель. В России существуют регионы, где земля не пригодна для сельского хозяйства, к примеру: Камчатский край, Магаданская и Мурманская области, Чукотский и Ямало-Ненецкий автономные округа. С каждым годом ситуация ухудшаться из-за множества факторов: ухудшение экологической обстановки, вечная мерзлота, изменение климата и пожары, приводящие к бесплодию почвы. Со временем все это может привести к глобальной проблеме голода.
В настоящий момент на рынке представлены аналоги системы для выращивания растений. Однако полностью автоматизированных на рынке не выявлено.
Решением данной проблемы является использование алгоритмов машинного обучения (искусственного интеллекта). Это позволит автоматизировать и прогнозировать урожайность предлагаемой аэропонической системы. Для работы в связке с ИИ возможно использование специализированного датчика, предназначенного для отслеживания состава и состояния растения.
Целью нашего проекта является повышение эффективности, экономичности и экологичности технологии выращивания растений в воздушной среде в условиях городской среды.
Разработка и исследование аэропонической системы с использованием искусственного интеллекта алгоритмов прогнозирования позволит повысить эффективность выращивания растений за минимальный промежуток времени. Организация процесса выращивания в предлагаемой системе без участия оператора позволит сэкономить не только природные, но и человеческие ресурсы.
Целевая аудитория :
B2C сегмент:
1. Люди живущие в северо-восточной части страны
2. Любители свежей зелени
B2B сегмент:
1. Тепличные комбинаты
2. Эко-фермы, сити-фермы
3. предприятия по производству еды
4. магазины здорового питания
5. кафе, рестораны которые выращивают свою микрозелень.
Данная методика имеет перспективу развития в регионах, где природные условия не подходят для традиционного сельского хозяйства. За счет малых размеров и как следствие мобильности предлагаемое решение применимо в густонаселённых районах, в частности в условиях городской среды. Благодаря аэропонической системе повышается качество жизни населения - свежие продукты станут доступнее и качественней.
Технологический прогресс не прошёл мимо сельскохозяйственных производителей. На сегодняшний момент существует множество способов выращивание растений: традиционное хозяйство с использованием почвы, гидропоника, аэропоника и т.д. Сравнение по производственным параметрам показывает, что лидирующие позиции занимает аэропоника - эффективность выращивания составляет 150 %, гидропоника - 125 %, натуральное хозяйство - 100 %.
Решение:
Благодаря аэропоническому методу выращивания, можно получить наибольший прирост биомассы на меньшей площади. Это позволяет размещать системы теплиц в условиях плотно застроенной городской среды. Выращивание овощей и фруктов рядом с местами их продажи, позволяет решить несколько очень важных проблем. Во-первых, продукты не нужно возить на дальние расстояния, благодаря чему снижается количество выбросов СО2 и влияние на климат. Во-вторых, можно спокойно дождаться, когда овощи и фрукты будут достаточно спелыми и максимально использовать сезонные продукты. В-третьих, сокращаются затраты на логистику, путь от фермы до прилавка магазина уменьшается, что уменьшает возможность порчи продукции во время транспортировки. В-четвёртых, покупатели могут пронаблюдать процесс выращивания продуктов.
Научной новизной является использование алгоритмов машинного обучения (искусственного интеллекта) для автоматизированной и автономной работы, а также для прогнозирования урожайности предлагаемой аэропонической системы. Для принятий решений, поддерживаемых искусственным интеллектом, планируется использовать следующие данные: температура в теплице, уровень углекислого газа, ирригация, дыхание растений, температура растений, сведения о количестве биомассы и состоянии растений.
Для повышения эффективности алгоритмов машинного обучения разрабатывается специализированный датчик, предназначенный для мониторинга биологического состава растений и их общего состояния. Датчик представляет собой очень тонкую пластину из флуоресцентного полимера, на котором нанесён карбоновый слой и двойной ферментный слой, для снятия уровня необходимых параметров из состава растения. Если стандартные показатели веществ меняются, то ток на сенсорах также изменяется, тем самым подавая сигналы об изменениях на контроллер. Благодаря этому агрономы смогли бы вовремя предпринять необходимые действия и тем самым предотвратить гибель урожая. Данную сканирующую «плёночку» размером 1 × 2 мм можно вживлять в корешки контрольных растений. Датчик дополняет аэропоническую систему выращивания, тем самым процесс выращивания полностью автоматизирован и находится под тщательным контролем.
Искусственный интеллект всегда будет пытаться сопоставить фактические условия и данные, чтобы соответствовать одной или нескольким закономерностям, и посмотреть, какая лучшая реакция привела, например, к лучшему суточному росту биомассы (или некоторому другому важному параметру). Что немаловажно, алгоритмы искусственного интеллекта всегда точно настраивают шаблоны и будут «учиться» на новом опыте, который дал лучшие прогнозы, чем предыдущий.
Осуществляется сбор данных из теплицы, чтобы иметь возможность настроить шаблоны и сопоставить их с действиями и производственными результатами. Этот процесс продлиться 10 - 14 месяцев, так как искусственный интеллект должен быть в состоянии подготовить множество шаблонов из собранных данных, взаимодействий и результатов.
При использовании решений искусственного интеллекта поступят предложения для увеличения производительности. К примеру, увеличить световой день на 15 минут или начать орошение в 7.00 и уменьшить период на 0,2 секунды.
Так же при отсутствии оператора искусственный интеллект может взять управление и контроль на себя. Если вдруг объём воды и питательной смеси в баке достиг определённого минимума, то искусственный интеллект проанализирует ситуацию, посылает оператору уведомление и растягивает промежуток между поливами, чтобы минимизировать последствия и дать растениям прожить как можно дольше.
Бизнес-модель:
Собственное производство у нас будет подразумеваться по началу как контрактное производство, в связи с нехватками производственных мощностей. К примеру, мы будем заказывать изготовление каркаса конструкции у другого предприятия.
Более того в отличие от систем аналогов мы подразумеваем возможность слияния с крупными промышленными предприятиями, это позволит вести совместную деятельность в сфере новых разработок, требующих объединения финансовых и интеллектуальных ресурсов.
Продажа установок будет осуществляться на прямую с покупателями.
