ПРОЕКТНЫЙ ИНСТИТУТ ЦИФРОВОЙ ТРАНСФОРМАЦИИ АПК

" В рамках развития стратегии цифровизации отрасли в Тимирязевской академии создан ПРОЕКТНЫЙ ИНСТИТУТ ЦИФРОВОЙ ТРАНСФОРМАЦИИ АПК, оснащение которого соответствует уровню ведущих вычислительных центров РФ. Мы видим огромные перспективы в применении искусственного интеллекта для сельскохозяйственного сектора, а также понимаем отраслевые аспекты его интеграции "

Владимир Иванович Трухачев

Ректор Российского государственного аграрного университета им. К.А. Тимирязева - Московской сельскохозяйственной академии им. К.А. Тимирязева

Институт в цифрах

Лаборатории

  • Лаборатория искуственного интеллекта

    • >250 Студентов
    • 37 ИИ-minor программ
    • 12 Стартапов
    • 8 Отраслевых партнеров
    Узнать больше

  • Лаборатория ГИС и ДЗЗ

    • >350 Студентов / год
    • >50 Публикаций
    • >5 Грантов
    • 6 Компаний-партнеров
    Узнать больше

  • Лаборатория больших данных

    • >600 Студентов
    • 15 Проектов
    • >10 Стартапов
    • 7 Отраслевых партнеров
    Узнать больше

  • Лаборатория цифровых продуктов

    • >500 Студентов
    • 10 Проектов
    • >15 Стартапов
    • 4 Отраслевых партнера
    Узнать больше

  • Лаборатория биоинформатики

    • >1500 Студентов
    • 16 Проектов
    • >10 Стартапов
    • >25 РИД
    Узнать больше

  • Лаборатория Интернета вещей

    • >300 Студентов
    • 20 Проектов
    • >15 Рид
    • 6 Отраслевых партнеров
    Узнать больше

  • Лаборатория цифровых двойников

    • >400 Студентов
    • 35 Проектов
    • 5 Стартапов
    • 6 Отраслевых партнеров
    Узнать больше

  • Лаборатория информационной безопасности

    • >200 Студентов
    • 35 Проектов
    • 5 Стартапов
    • 6 Отраслевых партнеров
    Узнать больше

Оборудование

Рабочих станций машинного обучения 13
Рабочих станций в учебных компьютерных классах 216
Серверных модуля x56 потоков каждый 2
всего 239 рабочих станций
Суммарное количество потоков 2144
Суммарная количество ОЗУ 5.12 ТБ
Суммарная видеопамять 2048 ГБ
Характеристики рабочей станции
4070 NVIDIA RTX
Процессор Intel Core i-9
Оперативная память 128 ГБ
Жесткий диск 1 ТБ SSD

Новости

  • 27 ноября 2024
    Студенты представили Тимирязевку на международном хакатоне «Цифровой прорыв»
    Читать
  • 25 ноября 2024
    Резиденты IT-центра университета победили в конкурсе инноваций «Fresh Ideas»
    Читать
  • 18 ноября 2024
    Тимирязевка реализует бизнес-кейсы на базе компьютерного зрения совместно с X5 Group
    Читать
  • 6 ноября 2024
    Передовая практика цифровизации АПК – студентам Тимирязевки
    Читать
  • 29 октября 2024
    Что такое блокчейн? Что нужно знать о технологии? Преимущества блокчейна для бизнеса?
    Читать
  • 18 сентября 2024
    Молодые ученые РГАУ-МСХА обсудили цифровизацию в ветеринарии на форуме
    Читать

Реализуй свой проект вместе с нами!

Спасибо за ваше сообщение! В ближайшее время мы обработаем его и свяжемся с вами!

Лаборатория искуственного интеллекта

2500 Студентов 37 ИИ-minor программ
12 Стартапов 8 Отраслевых партнеров
Партнеры лаборатории
Проекты
  • Система компьютерного зрения для животноводства

    Компьютерное зрение в задачах животноводства - это проект, который использует технологии компьютерного зрения для автоматизации процессов для классификации и подсчета поголовья, а также динамического определения масс-габаритных характеристик. Научной новизной проектя яаляется применение глубоких нейронных сетей: CNN для извлечения признаков из видео или изображений, а затем данные признаки передаются сеть RNN для анализа последовательности движений и определения масс-габаритных характеристик.

  • Компьютерное зрение в птицеводстве

    Программа содержит класс Tracker, который отвечает за отслеживание объектов на видео с помощью модели искусственной нейронной сети YOLO. Для этого используются библиотеки requests, ultralytics и OpenCV. В методе track класса Tracker происходит обработка видеопотока с камеры. Сначала видео захватывается с помощью cv2.VideoCapture, затем каждый кадр подается на вход модели YOLO для обнаружения объектов. Результаты обработки фильтруются с помощью метода __filter_turkey_results, который удаляет все объекты, не являющиеся индейкой (класс 3). Затем происходит подсчет количества индеек, пересекающих линию на видео, и отправка этой информации на сервер.

  • Машинное обучение в анализе клеток крови рыб и птиц

    Алгоритм цитологического анализа рыб и птиц - это проект, который направлен на создание автоматизированной системы для анализа клеток рыб и птиц. Эта система будет использоваться в исследованиях в области здоровья животных, а также для контроля качества продуктов питания. Алгоритм будет основан на машинном обучении и глубоком обучении, чтобы обеспечить высокую точность анализа.

  • Интеллектуальная система оценки болезней и нехватки питательных веществ для растений

    Проект представляет собой инновационное решение, направленное на улучшение сельскохозяйственных практик и повышение урожайности за счет своевременного выявления и лечения заболеваний растений, а также определения их потребностей в питательных веществах. Система использует передовые технологии, включая машинное обучение и искусственный интеллект, для анализа изображений растений, полученных с помощью дронов или специализированных камер, и определяет признаки болезней или симптомы дефицита определенных питательных веществ.

  • Система мониторинга деградации пастбищ

    Это проект анализа спутниковых снимков с помошью машинного обучения, который разрабатывается для того, чтобы помочь сельским хозяйственным предприятиям и фермерам контролировать состояние пастбищ и своевременно принимать меры по их восстановлению. Система будет использовать данные с дронов и спутников, а также информацию о погодных условиях и климатических изменениях, чтобы определить уровень деградации пастбищ и предоставить рекомендации по управлению ими.

  • Система автоматического построения контуров полей по данным ДЗЗ

    Проект представляет собой передовое решение в области прецизионного земледелия и управления сельскохозяйственными угодьями. Основываясь на использовании нейронной сети YOLOv8 для анализа изображений с высоким разрешением, полученных от спутников или беспилотных летательных аппаратов, система способна автоматически определять и выделять контуры сельскохозяйственных полей с высокой точностью и выгружать их в виде информационного слоя для ГИС системы в формате shp.

  • Прогнозирование эффективности внесения удобрений

    Проект представляет собой инновационную систему, разработанную для оптимизации агротехнических процессов в сельском хозяйстве с помощью технологий машинного обучения и цифрового картографирования. Цель проекта — повысить урожайность и экономическую эффективность сельскохозяйственного производства за счет более точного и рационального использования удобрений.

  • Анализ болезней сердца мелких домашних животных

    В научном проекте, посвященном определению кардиовертебрального индекса (показателя VHS) у собак и кошек, нейросеть YOLOv8 была применена для автоматизации измерений, которые ранее выполнялись вручную. Был собран датасет, включающий более 500 рентгеновских снимков грудной клетки собак и кошек. Нейросеть YOLOv8 была обучена на этом датасете в течение 100 эпох.  На основании автоматических измерений длинной и короткой осей сердца и их проекции на позвоночник (начиная с Th4), модель вычисляла количество грудных позвонков, соответствующих этим осям.  Модель достигла точности 98%, что свидетельствует о высокой надежности и воспроизводимости результатов по сравнению с ручными измерениями.

  • Разработка системы для автоматического обнаружения борщевика с использованием нейросетевой модели YOLO

    Проект демонстрирует потенциал использования современных технологий компьютерного зрения и БПЛА для эффективного мониторинга инвазивных растений, таких как борщевик. Дальнейшие исследования могут быть направлены на улучшение точности модели и расширение области применения на другие виды растений.:
    Настройка гиперпараметров::
    - Размер входного изображения: 640x640 пикселей.:
    - Размер мини-батча: 16-32.:
    - Количество эпох: 100.:
    - Скорость обучения: 0.001.:
    - Оптимизатор: Adam или SGD.:

  • Разработка системы для автоматического обнаружения дефектов стали с использованием нейросетевой модели

    Этот проект представляет собой комплексное решение для автоматического мониторинга дефектов стали, сочетающее современные технологии компьютерного зрения и промышленной автоматизации. Настройка гиперпараметров:
    - Размер входного изображения: 640x640 пикселей.:
    - Размер мини-батча: 16-32.:
    - Количество эпох: 100.:
    - Скорость обучения: 0.001.:
    - Оптимизатор: Adam или SGD:
    Точность решения 95%:
    Проведение испытаний на производственной линии для оценки эффективности системы в реальных условиях.

Решения
  • Мониторинг деградации с/х земель. Точность 97%
  • Машинное обучение в анализе клеток крови рыб и птиц. Точность 99,1%
  • Компьютерное зрение для животноводства. Точность 98,4%
  • Анализ рентгеновских снимков с/х животных. Точность >90%
  • Компьютерное зрение в качестве контроля качества фруктов, овощей. Точность 99%
Аналитика
Оставить отклик

Лаборатория ГИС и ДЗЗ