«Союз аграриев и айтишников не просто возможен, но чрезвычайно продуктивен»

В Московском институте электроники и математики им. А.Н. Тихонова (МИЭМ) ВШЭ завершился студенческий хакатон “Technoforge: AgroTECH”, организованный совместно с группой компаний «ЭкоНива». В течение 15 дней студенты из 32 ведущих вузов работали над технологическими прототипами для решения реальных задач агропромышленного комплекса.

В соревновании приняли участие студенты Вышки (факультета компьютерных наук, Высшей школы бизнеса и МИЭМ), а также МГУ им. М.В. Ломоносова, Московского физико-технического института, Национального исследовательского университета ИТМО, Национального исследовательского технологического университета «МИСИС», Московского авиационного института и других крупных вузов. Команды работали над прототипами для реальных задач агропромышленного комплекса — от влияния рациона коров на жирнокислотный состав молока и анализа почвенных факторов урожайности до потребительского контроля качества семян с помощью ИИ и определения фенологических фаз развития растений по изображению.

В начале октября в МИЭМ состоялись финальные питчи и награждение. Названы победители во всех четырех треках, команды получили призы и приглашения на стажировки у индустриального партнера. Призовой фонд составил 400 000 рублей, по 100 000 рублей победителям каждого трека. Помимо призов, победители и еще одна команда в каждом треке получили приглашения на стажировку у партнера.

Группа компаний «ЭкоНива» — крупнейший производитель сырого молока. Более 255 тыс. голов крупного рогатого скота, производство — примерно 1,35 млн тонн молока в год. Управляет пятью молочными заводами, занимается племенным животноводством, селекцией, семеноводством, продажей и обслуживанием техники. Применяет передовые технологии: автоматизированные системы управления фермами, спутниковый мониторинг посевов, аналитические платформы для обработки больших данных и прогнозирования урожайности.

Илья Семичаснов

«“Technoforge: AgroTECH” — это не только площадка для апробации технологических гипотез, но и инструмент для агрегации инновационных идей, требующих немедленной реализации, — говорит главный организатор хакатона, директор Центра управления проектными разработками МИЭМ ВШЭ Илья Семичаснов. — Мероприятие ускоряет интеграцию готовых решений и помогает находить талантливые команды для последующего онбординга. В этом году мы увидели, что даже агропромышленности, казалось бы консервативной отрасли, критически необходимы решения для контроля качества и автоматизации рутины. Именно поэтому наш хакатон — это платформа для продвижения брендов, которые выделяются на рынке своим современным подходом».

Злата Бондарь

«Первый для нашей компании хакатон, посвященный цифровизации АПК, успешно завершен. Это были интенсивные дни напряженной работы и мозговых штурмов, главным итогом которых стали не просто победы и призы, а конкретные работающие прототипы, — отметила руководитель отдела искусственного интеллекта ГК «ЭкоНива» Злата Бондарь. — Решения, предложенные командами, затрагивали самые актуальные проблемы — от оптимизации контроля качества семян до регуляции состава молока. Установленные связи между технологическими командами и отраслевыми экспертами наглядно показали, что союз аграриев и айтишников не просто возможен, но и чрезвычайно продуктивен. И конечно, поздравляю победителей и приглашаю к внедрению этих крутых проектов в реальное сельское хозяйство».

Хакатон: форматы, правила, требования

Для методического и экспертного сопровождения хакатона были привлечены специалисты ГК «ЭкоНива», которые в течение двух недель находились с командами в режиме постоянного рабочего взаимодействия. В финале от каждой команды выступил с докладом один спикер, который представил демоверсию разработки.

Во всех треках действовали единые правила: локальный запуск без GPU (включая «удаленный»), аналитика на Python, обязательный визуальный интерфейс (дашборд/таблицы/графики), репозиторий с README, зависимостями, кодом и методикой, презентация. Коммуникация шла в общем чате и каналах треков. Предзащита была черновым питчем с обратной связью менторов по метрикам и подаче.

Жюри оценивало схватывание бизнес-задачи и логику решения (цепочку шагов, исследование окружения). Также от участников требовались работоспособный прототип и внятная демонстрация.

Победители и их решения

Трек 1. «Влияние факторов рациона коров на жирнокислотный состав молочного жира» — команда «A1» (Санкт-Петербург, ЛЭТИ)

Магистранты направления «ИИ в медицине» — одногруппники. «Решение представляет собой веб-приложение, в котором зоотехник может подбирать рацион для коров и сразу видеть прогнозное содержание жирных кислот в молоке», — рассказывает Петр Фролов. Прогнозы формируются моделями линейной регрессии, результаты показаны в виде визуальной аналитики, система дает рекомендации по рациону. Предусмотрена опция автоподбора, автоматически балансирующая рацион так, чтобы профиль жирных кислот попадал в заданные рамки. Из сложностей команда отметила погружение в отрасль и логистику очной защиты. Участники планируют доработать решение и рассмотреть стажировку в «ЭкоНиве».

Трек 2. «Почвенные факторы, лимитирующие урожайность» — команда pururu team (МИЭМ)

Команда сложилась в стенах МИЭМ, сделала первый общий проект — и продолжила работать вместе. «Сами удивились тому, насколько слаженно способны работать этим коллективом, но больше всего поразились уровню решений, который можем предоставлять в ограниченные сроки», — говорит project manager Илья Бурховецкий. На хакатоне ребята разработали MVP сервиса EKO CONTROL: это не только аналитика, но и готовые рекомендации по устранению выявленных проблем на полях.

Ключевые функции EKO CONTROL:

 дашборд-карта с глубоким анализом почвенной разности; пользователь может исследовать поле вплоть до мелких фрагментов;

 предиктор урожайности и карты-решения для внесения удобрений;

 симулятор факторов, позволяющий по историческим данным оценивать прирост или спад урожайности с учетом погоды и агрохимии.

Сложности — быстрое погружение в агрохимию при отсутствии профильного специалиста и выбор экономичного технического подхода. «Мы сделали ставку на классический математический анализ там, где это снижает стоимость внедрения, а ML используем для более сложных задач», — говорят участники команды. В планах — продолжить работу с ГК «ЭкоНива» и довести платформу до пилота.

Трек 3. «Потребительский контроль качества семян с ИИ» — команда «Агрошкольники» (ФКН НИУ ВШЭ)

Команда сформировалась из одногруппников. «Увидели промопост, выбрали близкий трек и зарегистрировались», — рассказала Александра Быреева. В основе решения — Vision Transformer (ViT). Качество оценивалось по accuracy, precision, recall, F1. Для устойчивого обучения использованы AdamW и ReduceLROnPlateau, для борьбы с дисбалансом классов — аугментации (отражение, повороты, изменение яркости/контрастности). Пользователь загружает фотографии в мобильное приложение, а сводка результатов и уведомления приходят через телеграм-бота. Главные вызовы — локальный запуск и сильный дисбаланс данных. После аугментаций редкие классы определяются заметно лучше. Ближайшие шаги — развернуть архитектуру, провести полевые тесты вместе с наставниками «ЭкоНивы» и дообучить модель на расширенном датасете.

Трек 4. «Определение фенологической фазы по изображению» — команда «Все упало, но красиво» (РТУ МИРЭА)

Команда из трех студенток РТУ МИРЭА пришла на хакатон «за опытом командной разработки и попыткой вместе сделать реальный проект». Итог — приложение со встроенной моделью для классификации фенологической фазы растения с удобным интерфейсом и продуманным дизайном.

Из технических деталей: исходные данные требовали серьезной предобработки. Из примерно 2000 исходных изображений команда сформировала около 28 000 примеров. Были обучены несколько моделей: градиентный бустинг для прямой классификации и регрессионная модель, обрабатывающая выход фичей MobileNet с embedding культуры и residual-слоями. Переход к регрессии сделали, упорядочив фазы и закодировав их центрами интервалов. Регрессия показала себя лучше, ее и встроили в приложение. По ходу работ девушки столкнулись с серьезным техническим вызовом. Изначально клиент был на React Native (дизайн готов, но модель не подключалась из-за конфликтов библиотек). За три часа до дедлайна команда оперативно переписала клиент на Kotlin, куда модель встала без проблем. В планах — улучшить модель и довести приложение до полноценного продукта.

Итоги хакатона

“Technoforge: AgroTECH” завершен, но работа над прототипами продолжается.  Команды-победители и команды, приглашенные на стажировку, вместе с экспертами «ЭкоНивы» переходят к упаковке решений и настройке пилотов «в полях» и на фермах. Задача ближайших недель — проверить модели на реальных данных, уточнить метрики и подготовить дорожные карты внедрения.

Хакатон показал: студенческие проекты способны приносить отрасли прикладной результат уже на стадии MVP. Для Высшей школы экономики это означает рост сообщества инженерных команд и новая волна сотрудничества с индустрией.

Текст: Полина Подкопаева