Разработчик информационно-технологических решений для сельского хозяйства.
Решаемые задачи
1
Инвентаризация пахотных земель

1.1 Определение земель, на которых осуществлялась вспашка за указанный период. Период может быть указан как 1 год, так и несколько лет.

Желтым выделены поля, на которых была вспашка хотя бы в один год за период 2021-2024

1.2 Анализ истории использования пахотных земель. Определение крайнего года использования пашни вплоть до 1984года.

Каждый контур имеет надпись в виде года, который означает последний год, когда на участке осуществлялась распашка земли
  • На входе
    Анализ основан на данных дистанционного зондирования Земли среднего пространственного разрешения: для периода с 2017 по настоящее время Sentinel (10м) и Landsat (30м) для периода с 1984 по 2016.
  • На выходе
    Растры и векторы с соответствующей атрибутикой
  • Технология
    • Для решения задачи применяется разработанная и обученная на множестве регионов РФ искусственная нейронная сеть
    • Если территория анализа имеет значительную специфику, то осуществляется дополнительный сбор данных и реализуется процесс дообучения нейронной сети
2
Мониторинг земель сельскохозяйственного назначения

2.1 Классификация сельскохозяйственных культур

2.2 Мониторинг индексов NDVI, NDMI, EVI, NDRE, LSWI, SAVI и построение мозаик естественного цвета

  • На входе
    Анализ основан на данных дистанционного зондирования Земли среднего пространственного разрешения Sentinel (10м)
  • На выходе
    • Растр и вектор для задачи классификации.
    • Растры для задачи мониторинга индексов за указанный период анализа и статистические данные в рамках контуров полей.
  • Технология
    • Для решения задачи классификации культур применяется разработанная и обученная искусственная нейронная сеть.
    • Для решения задачи мониторинга разработан собственный сервис для сбора и анализа данных ДЗЗ, построения индексов и изображений в естественных цветах. Сервис имеет API для интеграции с существующими системами заказчика.
3
Разработка голосовых помощников (ботов) с учетом базы знаний компании

3.1 Поддержка диалога с пользователем

Пример работы бота, специализирующегося на анализе статистических данных по землям сельхозназначения. Бот на основании запроса пользователя формирует SQL запрос к БД, получает ответ и выдает его в удобочитаемом виде для пользователя
Инструкция работы с ботом
Запросов с результатами ответа

3.2 Поиск и формирование ответа по базе знаний компании-пользователя бота

Пример работы бота, специализирующегося на анализе статистических данных по землям сельхозназначения. Бот выдает готовые отчеты в зависимости от запроса пользователя
Инструкция работы с ботом
Пример запросов с результатами ответа
  • На входе
    • информационные отчеты (pdf, excel, csv, word, json….)
    • иные источники информации (БД, сайт, …..)
    • экспертные знания
  • На выходе
    • запрошенные информационные отчеты.
    • экспертные ответы на запрошенную информацию.
  • Технология
    Для построения голосовых помощников используются:
    • LLM — большие языковые модели
    • RAG — генерация с расширенным поиском
    • Fine-tune — дообучение модели на данных компании
    • Promt tuning — добавление специальных наборов данных
Связаться с нами
308008, Белгородская область, г Белгород, Восточная ул, д. 71, офис 412
info@avkai.ru
ООО "АВК" ИНН 3123400251