Проекты
ФитоРадар — личный агроном для фермера, который всегда на связи
Тип участника:
Физическое лицо
Полное наименование организации/физического лица/авторского или творческого коллектива:
Еноткина Анастасия Андреевна
Идея и краткое описание ИТ-проекта:
Мобильное приложение с ИИ-диагностикой растений по фото и краудсорсинговой фитосанитарной картой Алтайского края для малых форм хозяйствования (КФХ и ЛПХ) Алтайского края. Приложение обеспечивает мгновенную диагностику по фото даже без интернета, предиктивную аналитику угроз на основе фитосанитарных и погодных данных, персонализированные рекомендации по препаратам с учётом локальной специфики региона. Проект предоставляет малым фермерам доступ к агрономической экспертизе, демократизируя технологии точного земледелия.
ФитоРадар — это цифровая платформа, которая превращает смартфоны тысяч фермеров в распределённую сеть фитосанитарного мониторинга. Приложение работает по принципу offline-first (критично для полевых условий) и privacy-by-design (не требует регистрации, не собирает персональные данные). Система включает три уровня интеллекта: локальная ML-диагностика на устройстве, серверная предиктивная аналитика рисков, ИИ-ассистент с RAG-подходом для контекстных рекомендаций. Проект дополняет существующую цифровую экосистему АПК края, закрывая критические пробелы работы с малыми хозяйствами.
ФитоРадар — это цифровая платформа, которая превращает смартфоны тысяч фермеров в распределённую сеть фитосанитарного мониторинга. Приложение работает по принципу offline-first (критично для полевых условий) и privacy-by-design (не требует регистрации, не собирает персональные данные). Система включает три уровня интеллекта: локальная ML-диагностика на устройстве, серверная предиктивная аналитика рисков, ИИ-ассистент с RAG-подходом для контекстных рекомендаций. Проект дополняет существующую цифровую экосистему АПК края, закрывая критические пробелы работы с малыми хозяйствами.
Перечень решаемых задач:
- Провести исследование предметной области и целевой аудитории. Выполнить анализ макроэкономических показателей и нормативно-стратегической базы развития АПК Алтайского края; изучить динамику фитосанитарных угроз в регионе; провести глубинные интервью и наблюдение за представителями целевой аудитории (КФХ и ЛПХ); выполнить desk research тематических фермерских сообществ и форумов.
- Сформулировать функциональные и пользовательские требования к системе. На основе результатов исследований определить ключевые сценарии использования (Jobs To Be Done), построить карту пути пользователя (Customer Journey Map) и диаграммы пользовательских сценариев (User Flow) для двух основных онбординговых сценариев — экстренной диагностики в поле и превентивного планирования работ.
- Выполнить конкурентный анализ существующих решений; выявить рыночный пробел и сформулировать уникальное торговое предложение разрабатываемого продукта.
- Спроектировать архитектуру информационной системы. Разработать многоуровневую модель системы в нотации C4 (контекст, контейнеры, компоненты); построить диаграммы последовательности для ключевых сценариев; обосновать выбор технологического стека с учётом принципов offline-first и privacy-by-design.
- Разработать интерактивный прототип продукта. Создать кликабельный прототип мобильного приложения, реализующий ключевые функции.
- Обосновать экономическую целесообразность проекта. Рассчитать unit-экономику и точку безубыточности; оценить капитальные и операционные затраты; определить ключевые инвестиционные показатели; спрогнозировать экономический эффект для АПК Алтайского края к 5 году реализации проекта.
- Определить перспективы развития и интеграции системы. Сформулировать дорожную карту проекта, включающую этапы B2C-запуска, партнёрства с дилерами СЗР и агрохолдингами, интеграции с региональными и федеральными системами (ИС «РЕСПАК», ФГБУ ЦАС «Алтайский», АлтГАУ); обосновать возможность тиражирования решения на другие регионы.
Описание функциональных возможностей и элементов проекта:
ИИ-диагностика по фото: TensorFlow Lite, модель EfficientNet-B0; легковесная локальная ML-модель работает оффлайн на устройстве пользователя; результат диагностики — персонализированные рекомендации с учётом локальной специфики.
Краудсорсинговая фитосанитарная карта: каждый пользователь имеет возможность поделиться результатом ИИ-диагностики анонимно — только диагноз, культура и округлённые координаты геолокации; краудсорсинг обеспечивает раннее обнаружение вспышек и точную аналитику распространения болезней в реальном времени.
Оффлайн-очередь: фоновая синхронизация отправки краудсорсинговых данных при появлении интернета.
Предиктивная аналитика: Rule-based система анализирует погоду, фитосанитарную обстановку, фенофазы растений и рассчитывает риски.
Push-уведомления: автоматические предупреждения о критических угрозах поблизости.
ИИ-ассистент (RAG): семантический векторный поиск релевантных данных и LLM-для формирования ответа пользователю; подход RAG (Retrieval-Augmented Generation) позволяет учитывать текущий контекст и исключить галлюцинирование.
Витрина дилеров агрохимикатов: интеграция витрины дилеров СЗР непосредственно в рекомендации ИИ-диагностики; обеспечивает возможность купить нужный препарат в момент необходимости.
Краудсорсинговая фитосанитарная карта: каждый пользователь имеет возможность поделиться результатом ИИ-диагностики анонимно — только диагноз, культура и округлённые координаты геолокации; краудсорсинг обеспечивает раннее обнаружение вспышек и точную аналитику распространения болезней в реальном времени.
Оффлайн-очередь: фоновая синхронизация отправки краудсорсинговых данных при появлении интернета.
Предиктивная аналитика: Rule-based система анализирует погоду, фитосанитарную обстановку, фенофазы растений и рассчитывает риски.
Push-уведомления: автоматические предупреждения о критических угрозах поблизости.
ИИ-ассистент (RAG): семантический векторный поиск релевантных данных и LLM-для формирования ответа пользователю; подход RAG (Retrieval-Augmented Generation) позволяет учитывать текущий контекст и исключить галлюцинирование.
Витрина дилеров агрохимикатов: интеграция витрины дилеров СЗР непосредственно в рекомендации ИИ-диагностики; обеспечивает возможность купить нужный препарат в момент необходимости.
Дата внедрения (в случае, если предполагается запуск проекта в эксплуатацию):
-
Используемые платформы, средства разработки:
Мобильное приложение: React Native — кроссплатформенность iOS/Android.
ИИ-диагностика: TensorFlow Lite, модель EfficientNet-B0 — эффективная работа локально оффлайн.
Бэкенд: FastAPI; PostgreSQL, PostGIS — хранение геоданных; Redis — кэширование; pgvector — векторный поиск.
Отображение карты: Leaflet JS, OpenStreetMap.
Погодные данные: Open-Meteo API.
Инфраструктура: Docker; GitHub Actions — CI/CD; Selectel — российский хостинг.
ИИ-диагностика: TensorFlow Lite, модель EfficientNet-B0 — эффективная работа локально оффлайн.
Бэкенд: FastAPI; PostgreSQL, PostGIS — хранение геоданных; Redis — кэширование; pgvector — векторный поиск.
Отображение карты: Leaflet JS, OpenStreetMap.
Погодные данные: Open-Meteo API.
Инфраструктура: Docker; GitHub Actions — CI/CD; Selectel — российский хостинг.
Стоимость разработки системы:
CAPEX на запуск MVP ~9,8 млн руб (включая стоимость разработки, инфраструктуры, юридической подготовки и резерв)
Средний размер ежегодных затрат на эксплуатацию:
OPEX ~20,16 млн руб/год (включая ФОТ команды, страховые выплаты, инфраструктуру и маркетинг). Проект является самоокупаемым и не требует постоянных инвестиций. Срок окупаемости проекта — 4,75 года.
Перспективы развития:
Развитие проекта выстроено по четкой дорожной карте, начинающейся с модерируемого юзабилити-тестирования прототипа осенью 2026 года, за которым последует разработка MVP и его пилотное внедрение на базе агрохолдинга для дообучения ML-модели на локальных данных и корректировки требований. Весной 2028 года запланирован полноценный B2C-запуск с фокусом на валидацию метрик удержания, а к весне 2029 года предусмотрено установление партнерских отношений с дилерами семян для поддержки посевных кампаний. Стратегическим вектором развития является глубокая интеграция с существующей цифровой экосистемой АПК края: планируется сотрудничество с АлтГАУ для научной верификации диагнозов, подключение к ФГБУ ЦАС «Алтайский» для получения точных данных об агрохимических свойствах почв, а также двусторонний обмен данными с ИС «РЕСПАК» для автоматического определения границ полей, информирования фермеров о господдержке и передачи фитосанитарных данных. Модульная архитектура системы закладывает фундамент для географической масштабируемости, позволяя в будущем адаптировать ML-модели под локальную специфику и тиражировать решение на другие регионы.
Достижение поставленных целей:
Проект находится на стадии «стартап» и характеризуется высокой степенью проработки концепции, архитектуры и экономической модели. На текущий момент полностью завершены этапы исследования предметной области, включая анализ макроэкономических показателей, изучение стратегий развития АПК, конкурентный анализ, а также проведение глубинных интервью и полевых наблюдений за представителями целевой аудитории (КФХ и ЛПХ). На основе этих данных сформулированы функциональные требования, построены карты пути пользователя (CJM), диаграммы пользовательских сценариев (User Flow) и многоуровневая архитектура системы в нотации C4 с детальными диаграммами последовательности. Ключевым результатом текущего этапа является разработка высококонтрастного интерактивного прототипа, предназначенного для валидации продуктовых гипотез и проведения модерируемого юзабилити-тестирования перед полноценной разработкой MVP. Экономическая целесообразность проекта полностью обоснована: рассчитаны unit-экономика, срок окупаемости (4,75 года), а также спрогнозирован макроэкономический эффект для региона, включающий высвобождение эквивалента 5935 штатных агрономов, снижение пестицидной нагрузки на 6730 тонн в год и дополнительную прибыль хозяйств края до 93,1 млрд руб./год к пятому году реализации.
Актуальность, экономическая или социальная полезность:
Социальная значимость: цифровое равенство — доступ к технологиям точного земледелия для ЛПХ и КФХ, производящих 40% сельхозпродукции края.
Цифровая трансформация АПК: цифровизация малых хозяйств, внедрение сквозных технологий.
Экономический эффект: дополнительная прибыль хозяйств края до 93,1 млрд руб./год к 5 году, налоговые поступления 8-10 млрд руб./год.
Высвобождение ресурсов: 5 935 штатных агрономов (9,97 млн часов/год), 1,12 млрд руб./год на консультациях, 6,73 млрд руб./год на ГСМ и химии.
Экология: снижение пестицидной нагрузки на 6 730 тонн СЗР/год, защита пчеловодства (учёт пасек, ФЗ №480), поддержка органического земледелия.
Продовольственная безопасность: предотвращение потерь урожая на 10-15%, снижение зависимости от импорта.
Цифровая трансформация АПК: цифровизация малых хозяйств, внедрение сквозных технологий.
Экономический эффект: дополнительная прибыль хозяйств края до 93,1 млрд руб./год к 5 году, налоговые поступления 8-10 млрд руб./год.
Высвобождение ресурсов: 5 935 штатных агрономов (9,97 млн часов/год), 1,12 млрд руб./год на консультациях, 6,73 млрд руб./год на ГСМ и химии.
Экология: снижение пестицидной нагрузки на 6 730 тонн СЗР/год, защита пчеловодства (учёт пасек, ФЗ №480), поддержка органического земледелия.
Продовольственная безопасность: предотвращение потерь урожая на 10-15%, снижение зависимости от импорта.
Масштабируемость, способность к взаимодействию с другими системами, мобильность:
Техническую масштабируемость обеспечивает микросервисная архитектура и горизонтальное масштабирование через Docker, кэширование через Redis (до 2 млн ops/с).
Используется REST API для возможности двусторонней интеграции с другими системами.
Мобильность: React Native — 70% переиспользования кода; нативная работа с камерой; оффлайн-режим; поддержка старых устройств — Android 6.0+, iOS 12+.
Модульная архитектура позволяет адаптировать ML-модели под локальную специфику других регионов, что обеспечивает географическую масштабируемость.
Используется REST API для возможности двусторонней интеграции с другими системами.
Мобильность: React Native — 70% переиспользования кода; нативная работа с камерой; оффлайн-режим; поддержка старых устройств — Android 6.0+, iOS 12+.
Модульная архитектура позволяет адаптировать ML-модели под локальную специфику других регионов, что обеспечивает географическую масштабируемость.
Обоснованность применяемых проектных решений:
Проектные решения приняты на основе комплекса исследований, проведённых в период с июня по август 2026 года. Качественные исследования целевой аудитории включали в себя 4 глубинных интервью с представителями ЦА (2 КФХ, 2 ЛПХ) в естественной среде, 1 полевое наблюдение за представителем ЛПХ при выборе и покупке препаратов в агромагазине. Desk research включало в себя анализ тематических фермерских форумов и сообществ, изучение публикаций в региональных и федеральных СМИ, проведение конкурентного анализа существующих решений, изучение нормативно-правовой базы, стратегических документов региона и аналитических отчётов для выявления динамики фитосанитарных угроз за 2021-2025 гг.
На основе проведённых исследований сформулированы ключевые требования к информационной системе:
На основе проведённых исследований сформулированы ключевые требования к информационной системе:
- Оффлайн-first архитектура. Более 60% пашни Алтайского края находится в зоне недостаточного увлажнения с нестабильным мобильным интернетом. Фермеры работают в полях без связи. Ключевые функции (ИИ-диагностика, просмотр рекомендаций, расчёт дозировок, отправка краудсорсинговых данных) должны быть доступны без подключения к интернету.
- Privacy-by-design. Из интервью выявлено отторжение фермерами государственных систем учёта (ФГИС «Сатурн», «Зерно»), ассоциирующихся с контролем и бюрократической нагрузкой. Приложение не должно собирать персональные данные, требовать сложной регистрации или передачи данных в контролирующие органы. Это критично для массового внедрения среди ЛПХ и мелких КФХ.
- Мгновенная диагностика по фото. Фермеру необходимо получить диагноз и рекомендации в моменте, не выезжая к агроному. ML-модель должна работать локально на устройстве.
- Локальная специфика Алтайского края. Система должна учитывать региональные угрозы, резко-континентальный климат, расположение пасек (Алтайский край — один из главных медовых регионов России), агрохимические свойства почв.
- Нулевой барьер входа. Приложение должно работать без регистрации, без ЕСИА, без заполнения профилей полей. Пользователь открывает приложение и сразу получает ценность.
- Краудсорсинговый мониторинг. Система должна превращать смартфоны тысяч фермеров в распределённую сеть датчиков фитосанитарной обстановки с анонимной передачей данных (округлённая геолокация, тип культуры, диагноз, дата).
- Масштабируемость. Архитектура должна выдерживать нагрузку при росте от 1 000 до 66 259 пользователей к 5 году, с возможностью тиражирования на другие регионы СФО.
- Интеграция с существующей инфраструктурой. Система должна быть готова к интеграции с ИС «РЕСПАК», ФГБУ ЦАС «Алтайский», Алтайским ГАУ.
- Импортозамещение. Использование отечественного программного обеспечения и российских серверов в соответствии со Стратегией цифровой трансформации АПК.
Оригинальность, новизна, отличие от аналогов либо отсутствие аналогов:
Нет прямых аналогов на рынке.
Следует принципам Offline-first и Privacy-by-design — обеспечивает эффективную работу в оффлайн-режиме, мгновенный запуск без регистрации, не собирает, не хранит и не передаёт личные данные пользователей, использует геомаскирование при передаче краудсорсинговых данных.
ФитоРадар создаёт распределённую сеть фитосанитарного мониторинга, превращая смартфоны пользователей в тысячи датчиков. Эти данные используются для формирования краудсорсинговой карты фитосанитарной обстановки, предиктивной аналитики и расчёта рисков.
Сервис в рекомендациях учитывает экономический порог вредоносности, расположение пасек, приоритизирует биологические препараты и позволяет точно рассчитать необходимое количество агрохимикатов. Таким образом поддерживается биологизация и экологизация земледелия, снижается пестицидная нагрузка на почвы, обеспечивается безопасность пчёл.
Использование подхода RAG в проектировании ИИ-ассистента исключает галлюцинирование и обеспечивает учёт контекста и локальной специфики при формировании ответов.
Следует принципам Offline-first и Privacy-by-design — обеспечивает эффективную работу в оффлайн-режиме, мгновенный запуск без регистрации, не собирает, не хранит и не передаёт личные данные пользователей, использует геомаскирование при передаче краудсорсинговых данных.
ФитоРадар создаёт распределённую сеть фитосанитарного мониторинга, превращая смартфоны пользователей в тысячи датчиков. Эти данные используются для формирования краудсорсинговой карты фитосанитарной обстановки, предиктивной аналитики и расчёта рисков.
Сервис в рекомендациях учитывает экономический порог вредоносности, расположение пасек, приоритизирует биологические препараты и позволяет точно рассчитать необходимое количество агрохимикатов. Таким образом поддерживается биологизация и экологизация земледелия, снижается пестицидная нагрузка на почвы, обеспечивается безопасность пчёл.
Использование подхода RAG в проектировании ИИ-ассистента исключает галлюцинирование и обеспечивает учёт контекста и локальной специфики при формировании ответов.
Гарантирую достоверность предоставленной в заявке информации. Подтверждаю, что организация не находится в состоянии ликвидации, банкротства, реорганизации (Только для организаций):
Да
Презентация проекта pdf:
Загрузить
