Компания «Нейроника» была образована 6 мая 2024 года, тремя единомышленниками, имеющими уникальный опыт в разработке: 1) отраслевых программных систем учёта и управления; 2) математических моделей сложных систем;
3) построении нейросетевых систем в микробиологии и медицине. Накопленный опыт каждого из учредителей подтвержден реально внедренными программными системами, соответствующими научными статьями, поддержкой грантами Кубанского научного фонда и Российского научного фонда.

Основными задачами организации является: 1) выявление актуальных потребностей и проблем агропромышленного комплекса; 2) структурирование проблем и формулировка задач; 3) построение математических моделей сложных систем, в том числе живых систем; 4) разработка решений – программно-аппаратных комплексов на основе нейросетевых технологий; 5) внедрение разрабатываемых
решений и накопление больших данных о живых системах.

Для решения соответствующих задач была налажена кооперация с академическими и прикладными институтами, а также с отраслевыми союзами. Так, компания «Нейроника» приобрела у ФНЦ БЗР исключительные права на светоловушки для насекомых и договорилась о совместной доработке этих устройств с использованием искусственного интеллекта.

Ниже кратко о нашей команде и некоторых актуальных проектах.

ООО «Нейроника» приобрела у ФНЦ БЗР исключительные права на стационарную светоловушку для насекомых. Стационарные светоловушки разработки ФНЦ БЗР

эффективно привлекают ночных вредителей и осуществляют их отлов в специальный насекомоприемник. Ловушка, в первую очередь, используется для мониторинга видового разнообразия и, во вторую очередь, для массового отлова
вредных насекомых. Для мониторинга видового разнообразия требуется квалификация энтомолога, чтобы при разборе содержимого насекомоприемника правильно определить вид вредного объекта и подсчитать количество. Сопоставляя полученные данные с порогом экономической вредоносности (ЭПВ), можно говорить о степени поражения и соответствующих мерах по
защите агроэкосистемы. Поскольку для использования светоловушки, как средства мониторинга, требуется квалифицированный энтомолог, то широкое использование этих устройств малыми, средними и даже крупными агропредприятиями существенно ограничено. В проекте предлагается моделировать экспертную функцию энтомолога посредством искусственного интеллекта. На сегодня разработан прототип
«умной» светоловушки, которая собирает насекомых в технологическую камеру, там их фотографирует. Полученные фотоданные обрабатываются нейросетью, распознаются определенные виды и подсчитывается их количество. Ниже приводится фотография прототипа и пример полученных фотоданных.

В мире известны различные устройства для улавливания спор как средства мониторинга лёта спор возбудителей вредных болезней. Например, флюгерные спороловушки (слева) разработки ФНЦ БЗР естественным обдувом ветра
накапливают материал на предметном стекле (в центре), которое затем исследуется микробиологом под микроскопом (справа).

Полученные данные – виды спор возбудителей и их соответствующее количество – сравниваются с ЭПВ и с ранговой шкалой заспоренности для конкретной агроэкосистемы, в результате, с учетом прогноза погоды, принимаются решения о мерах химической или биологической защиты.

В проекте предлагается создание аппаратно-программного комплекса, который в автономном режиме, находясь непосредственно в агроэкосистеме, по заданному графику собирает на специальную поверхность споры, затем автоматически посредством микроскопа сканирует поверхность напыления и полученные фотоданные обрабатывает нейросетью. Ниже на фотографиях разработанный рабочий прототип аппаратно-программного комплекса.

Предполагается, что программный комплекс будет не только проводить мониторинг эпидемиологической ситуации, но и прогнозировать развитие ситуации на основе погодных данных.
Для адаптации программно-аппаратного комплекса под каждый новый вид живой агроэкосистемы требуется разработка своей ЭПВ и обучение нейросетей на распознавание новых видов спор. Для этого мы готовы к сотрудничеству с хозяйствами, которые заинтересованы во внедрении таких систем мониторинга, и компаниями занимающимися агросопровождением, а также с разработчиками средств защиты растений для построения эффективных дифференцированных схем
защиты.

На выбранную движущуюся платформу (трактор, квадроцикл, электро-платформа) устанавливается оборудование для видеосъемки. Далее,
производится порядовая съемка сада. На основе полученного видеопотока для сада с помощью нейросети могут быть сделаны: 1) оценка качества цветения; 2) прогноз урожая; 3) диагностика (на наличие болезней, с оценкой масштаба). В результате обработки нейросетью выдается отчет – «цифровая карта сада», на которой в графической и цифровой форме отражены итоги обследования сада.

Ниже представлены фотографии ночной видеосъемки различных яблоневых садов и результаты работы нейросетей – распознавание яблок.

Также был осуществлён реальный подсчет количества яблок нескольких рядов. Собраны статистические данные для моделирования количества яблок по видимой части яблок, которые распознала нейросеть при фронтальной видеосъемке.

Мы готовы к сотрудничеству с хозяйствами, которые заинтересованы в применении разрабатываемой технологии подсчета урожая, а также с компаниями занимающимися агросопровождением для апробации технологии.

Задача определения калибра и качества яблока является сложной задачей. Решения подобного рода лежат в основе промышленных сортировочных машин, являются закрытыми и, как правило, хорошо защищены.

Мы взялись за эту задачу для автоматизации работы сюрвейера. Действительно, при отгрузке партии яблок с плодохранилища, стандартным требованием покупателя является выборочная проверка всей партии. Из некоторых паллет выбираются ящики с яблоками, и сюрвейер визуально оценивает качество яблок – калибр и повреждения, и, при соответствии заявленного и фактического качества, признает партию пригодной, в противном случае, паллеты не отгружаются.

Для обучения нейросети было отснято большое количество различных конфигураций яблок, большая часть на базе плодохранилища ООО «Алма-продакшн», г. Абинск. Ниже приведены конфигурации яблок для обучения и результат работы нейросети.

Для повышения качества нейросети, были созданы синтетические данные. Данная технология генерации различных конфигураций позволяет создавать неограниченные данные для обучения. Эффективность таких данных при обучении была подтверждена экспериментально.

Для реализации проекта мы готовы к сотрудничеству с торговыми сетями, которые заинтересованы в автоматизации работы сюрвейера при помощи разработанной технологии. Также возможна разработка технического устройства, на которое выкладываются яблоки, а затем вращаются для фотографирования с разных сторон.