Слой 1. Поле и устройства
Физические сенсоры, GPS-трекеры, контроллеры техники, дроны. У каждого — свой протокол и батарейка на месяцы или годы.
Разработка ПО для агротеха и smart farming
Создаём кастомные платформы и приложения для точного земледелия, животноводства, теплиц, цепочек поставок и agro-IoT. Делаем то, что не делают западные SaaS — под ваши поля, регулирование РФ и интеграции с ФГИС.
Почему агротех — это IoT, AI и кастом
Кажется, что для сельского хозяйства уже есть готовый софт — от 1С:Селекция до международных платформ Cropin и Bayer Climate FieldView. На практике крупные агрохолдинги и средние фермы упираются в одну и ту же проблему: ни одна готовая платформа не покрывает их конкретный набор задач, инфраструктуру и регулирование РФ.
Поэтому smart farming в зрелом виде — это всегда кастомная сборка из нескольких компонентов:
- IoT-сенсоры и шлюзы — почвенные датчики, метеостанции, GPS-трекеры техники, RFID-метки скота. У каждого хозяйства свои сети LoRaWAN или NB-IoT, свои протоколы.
- AI/ML-аналитика — компьютерное зрение для распознавания вредителей и болезней, прогноз урожая по спутникам, оптимизация ирригации.
- Backend-платформа — хранит миллиарды событий с полей, считает агрегаты, отдаёт API клиентским приложениям.
- Клиентские приложения — мобильные для агронома и комбайнера, веб-кабинеты для управляющего, BI-дашборды для собственника.
- Интеграции с ФГИС и Минсельхозом — ФГИС «Зерно», ФГИС «Семеноводство», «Меркурий», программы получения субсидий.
Мы делаем каждую из этих составляющих кастомно 14+ лет. У нас есть базовая услуга IoT-разработки и отдельная экспертиза в промышленном IoT (IIoT), которая по архитектуре близка к smart farming.
6 направлений agro-ПО: что мы разрабатываем
«Агро-ПО» — это шесть очень разных продуктов с разной архитектурой и стеком. Под каждое из них мы собираем кастомное решение.
Farm Management — управление фермой
Веб-кабинеты и мобильные приложения для агронома, комбайнера, управляющего, собственника. Поля на карте, журналы работ, расход топлива, учёт урожая, документооборот, BI-дашборды по производству. Здесь мы пересекаемся с BI-системами — аналитический слой над операционкой фермы.
Precision Agriculture — точное земледелие
Системы переменного внесения удобрений (VRA), GPS-навигация для тракторов, авто-управление сельхозтехникой. На входе — данные с почвенных сенсоров и спутниковых снимков, на выходе — карта-задание для трактора: какое удобрение и куда сыпать в каждой точке поля.
Animal Husbandry — животноводство
RFID-метки и биометрия скота, мониторинг здоровья по сенсорам (ошейник, болюс, чип), управление кормлением, автодоильные системы, контроль воспроизводства. Отдельный мобильный канал для зоотехника.
Greenhouse Automation — тепличные хозяйства
Управление микроклиматом теплицы (полив, освещение, CO₂, температура) по обратной связи с сенсоров. Сценарии для разных культур, прогноз урожая, удалённое управление с мобильного.
Supply Chain & Traceability — прослеживаемость от поля до прилавка
Отслеживание продукции через всю цепочку: поле → элеватор → переработка → дистрибутор → магазин. Интеграция с «Меркурием» для ветконтроля, QR-коды партии, документы качества. Часто пересекается с foodtech-задачами пищевого производства и приложениями e-grocery.
Agriculture IoT — сенсорные сети и платформы
Полная инфраструктура: установка сенсоров на полях / в теплицах / в коровниках, развёртывание шлюзов и LoRaWAN-сетей, разработка платформы для приёма и хранения данных, аналитики, API для других систем фермы. Подробнее про разработку IoT-приложений.
[ АРХИТЕКТУРА ]
Архитектура smart farming-платформы
Любая платформа собирается из четырёх слоёв. Понимание этой архитектуры важно — оно определяет, как считается цена проекта и как платформа масштабируется.
Слой 1. Поле и устройства
Физические сенсоры, GPS-трекеры, контроллеры техники, дроны. У каждого — свой протокол и батарейка на месяцы или годы.
Слой 2. Edge и шлюзы
Сбор данных с устройств и отправка в облако: LoRaWAN (дальняя связь, низкая мощность), NB-IoT (через сотовых операторов), Wi-Fi/Ethernet в теплицах. Здесь же — встроенное ПО под контроллеры.
Слой 3. Облако и backend
Платформа приёма данных (MQTT-брокер, Kafka), хранилища (PostgreSQL + ClickHouse), микросервисы агрегации, ML-слой. Размещение — на территории РФ (Yandex Cloud, VK Cloud, локальные серверы).
Слой 4. Клиенты и интеграции
Мобильные приложения для агронома и комбайнера, веб-кабинет управляющего, BI-дашборд для собственника. Интеграции с 1С, ФГИС, бухгалтерией. На зрелых проектах — отдельные слои безопасности (PKI, шифрование) и наблюдаемость.
Типы сенсоров и устройств
Хорошее smart farming-решение состоит на 70% из работы с физическими устройствами и на 30% — из «нормального софта». Вот с чем мы работаем.
| Категория | Устройства | Назначение |
|---|---|---|
| Почвенные сенсоры | TDR-датчики влажности, pH-зонды, EC, температура | Состояние почвы по точкам поля |
| Метеостанции | Давление, влажность, осадки, ветер, солнечная радиация | Локальный микроклимат, прогноз |
| Видеомониторинг | IP-камеры (поля, коровники, теплицы), камеры на дронах | Распознавание сорняков, болезней, поголовья |
| GPS / телематика | Трекеры на тракторах, комбайнах, погрузчиках | Расход топлива, маршруты, простои |
| RFID и биометрия животных | Ошейники, болюсы, чипы | Идентификация, мониторинг здоровья |
| Контроллеры техники | ECU тракторов, контроллеры сеялок, опрыскивателей | VRA — переменное внесение удобрений |
| Дроны | DJI Mavic / Agras / кастомные | Аэрофотосъёмка, опрыскивание, мониторинг |
| Спутниковая аналитика | Sentinel, Landsat, российские КА | NDVI, индексы вегетации, прогноз урожая |
| Климат-контроль теплиц | Контроллеры полива, света, CO₂, температуры | Микроклимат под культуру |
Каждая категория — отдельный класс задач по интеграции. Не все нужны одновременно: на MVP типичной фермы хватает 2–3 типов сенсоров.
AI и ML для агротеха 2026
AI в агротехе — это не «модно», а реальные деньги. Шесть направлений с измеримой окупаемостью:
- Компьютерное зрение для болезней и вредителей. Камера на дроне или мобилка агронома — нейросеть распознаёт фитофтору, мучнистую росу, колорадского жука. Точность 90%+, обработка локально без отправки фото в облако.
- Прогноз урожая по спутниковым данным. Индексы вегетации (NDVI, EVI) + история поля + погода → прогноз урожая за 1–2 месяца до сбора с точностью ±5–10%.
- Оптимизация ирригации. Почвенные сенсоры, метеостанция, прогноз погоды на входе → сколько воды, куда и когда на выходе. Экономия 20–40% воды без потери урожая.
- Идентификация животных по фото. Камера в коровнике распознаёт каждое животное по морде или сетчатке — учёт без сканеров и RFID.
- Антифрод субсидий и страховых выплат. Спутниковая аналитика + ML определяют, реально ли поле обработано, какова реальная площадь, не получены ли двойные субсидии.
- VRA-карты для переменного внесения. ML строит карту-задание для трактора — снижение расхода удобрений на 15–25%.
Подробнее про наш подход к AI-ускоренной разработке.
Гос.поддержка и интеграции с ФГИС
Цифровизация АПК в России — государственный приоритет с программами субсидий и обязательной отчётностью. При разработке агро-ПО обязательно учитывать:
- ФГИС «Зерно» — отчётность по производству, обороту и хранению зерна.
- ФГИС «Семеноводство» — учёт сортов, репродукций, посевных площадей.
- «Меркурий» (ГИС ВетИС) — ветеринарные сертификаты на животноводческую продукцию.
- «Аргус-Фито» — фитосанитарные сертификаты.
- Программы Минсельхоза — субсидии на цифровизацию, поддержка АгроТех-стартапов (Россельхозбанк, ФРИИ, Сколково).
- 152-ФЗ — локализация данных в РФ, особенно для платформ с миллионами записей о хозяйствах.
Мы интегрируем агро-ПО с этими системами через их официальные API. Для крупных хозяйств это часто главная причина выбора кастомной разработки — готовые западные платформы такие интеграции просто не делают.
Интеграции
| Категория | Что подключаем |
|---|---|
| IoT-протоколы | MQTT, LoRaWAN, NB-IoT, CoAP, OPC UA |
| Спутники | Sentinel (ESA), Landsat (NASA), российские КА |
| Дроны | DJI SDK, Agras, кастомные через MAVLink |
| Сельхозтехника | ISOBUS, John Deere Operations Center API, Claas Telematics |
| ФГИС | «Зерно», «Семеноводство», «Меркурий», «Аргус-Фито» |
| Бухгалтерия | 1С (Бухгалтерия, Зарплата, Производство) |
| Метеоданные | Яндекс.Погода, Gismeteo, Meteoblue, OpenWeather |
| Картография | Yandex Maps, 2GIS, OpenStreetMap |
| BI | ClickHouse, Apache Superset, Yandex DataLens, Power BI |
[ ПОЧЕМУ SURF ]
За 14+ лет создали 300+ мобильных и веб-продуктов
300+ реализованных проектов, 100 международных наград, №1 в мобильной разработке, 250 специалистов в команде. Профильная экспертиза для агротеха — IoT, embedded, AI/ML и корпоративная аналитика.
В разработке приложений для крупного бизнеса
В мобильной разработке
Лет кастомной IoT и AI-разработки
Промышленный IoT, embedded, ML
Штатных специалистов
Mobile, backend, embedded, ML, DevOps
В разработке приложений для крупного бизнеса
В мобильной разработке
Лет кастомной IoT и AI-разработки
Промышленный IoT, embedded, ML
Штатных специалистов
Mobile, backend, embedded, ML, DevOps
[ КЕЙСЫ ]
Кейсы Surf
Архитектурно smart farming — близкий родственник промышленного IoT и корпоративной аналитики (BI-системы), где у нас 14+ лет опыта. Несколько релевантных по масштабу и прослеживаемости проектов из портфеля:
[ ПРОЦЕСС ]
Процесс разработки
[ 01 ]
Discovery + продуктовое исследование
3–5 недель. План, фичалист, выбор сенсоров и шлюзов.
[ 02 ]
Проектирование архитектуры
2–4 недели параллельно. Архитектурная схема, выбор стека, ТЗ на интеграции.
[ 03 ]
UI/UX-дизайн
5–8 недель. Дизайн-система, прототипы, экраны для всех ролей.
[ 04 ]
Разработка MVP
14–20 недель. Backend, клиенты, базовая IoT-обвязка.
[ 05 ]
Полевые тестирования
4–8 недель. Проверка на реальных сенсорах в полях.
[ 06 ]
Запуск и развитие
Развёртывание, мониторинг; от 6 месяцев — расширение, AI, новые сенсоры, ФГИС.
Стек технологий
| Слой | Технологии |
|---|---|
| Edge / устройства | Embedded C/C++, Rust, MicroPython |
| IoT-протоколы | MQTT, LoRaWAN, NB-IoT, CoAP, OPC UA |
| Backend | Java/Kotlin (Spring), Python (FastAPI), Go |
| Очереди | Kafka, RabbitMQ |
| БД | PostgreSQL + TimescaleDB, ClickHouse, Redis |
| ML | PyTorch, scikit-learn, OpenCV, Airflow |
| Mobile | Flutter или нативные Swift / Kotlin |
| Frontend (кабинеты, BI) | React + Next.js, Vue + Nuxt.js |
| DevOps | Kubernetes, Docker, Terraform, Prometheus |
| Облако | Yandex Cloud, VK Cloud, локальные серверы (по требованиям) |
Команда: 8–14 человек в зависимости от сценария.
Гарантии и SLA
- 100% релизов в срок.
- NDA и права на код. Исходники и документация — у заказчика.
- Прозрачная отчётность каждые 2 недели.
- Поддержка 24/7 по уровням P1/P2/P3.
- Безопасность данных по 152-ФЗ, серверы в РФ.
- Полевое сопровождение — наши инженеры участвуют в установке и калибровке сенсоров на реальных объектах.
Стоимость и сроки
Кастомная разработка не имеет фиксированного прайса. Точная стоимость считается после discovery под ваш сценарий, размер хозяйства и состав сенсоров.
| Тип проекта | Сроки | Стоимость |
|---|---|---|
| MVP (одно направление, 1 хозяйство, 1–2 типа сенсоров) | 4–6 месяцев | от 8 млн ₽ |
| Платформа среднего хозяйства (3–4 направления, до 5 типов сенсоров, ФГИС) | 7–10 месяцев | от 18 млн ₽ |
| Полная smart farming-платформа холдинга (все 6 направлений, AI, мобильность по ролям) | 10–14 месяцев | от 40 млн ₽ |
В стоимость входят: discovery, проектирование, дизайн, разработка фронта/бэка/embedded, тестирование, полевые проверки, релиз, 3 месяца техподдержки. Оборудование (сенсоры, шлюзы) — отдельной строкой по фактическим затратам.
[ ОТЗЫВЫ ]
Клиенты о работе с нами
[ FAQ ]
Клиенты часто спрашивают
MVP — от 8 млн ₽ за 4–6 месяцев. Платформа среднего хозяйства — от 18 млн ₽. Полная smart farming-платформа холдинга — от 40 млн ₽. Оборудование (сенсоры, шлюзы) — отдельной строкой. Точная стоимость после discovery.
Шесть направлений: Farm Management (управление фермой), Precision Agriculture (точное земледелие), Animal Husbandry (животноводство), Greenhouse Automation (теплицы), Supply Chain & Traceability (прослеживаемость), Agriculture IoT (сенсорные сети).
Прямых публичных кейсов по агро нет — это нишевая вертикаль с длинными NDA. Но архитектурно smart farming — близкий родственник промышленного IoT, BI и AI-проектов, где у нас 14+ лет опыта.
Да, через официальные API. Для крупных хозяйств это часто основная причина выбора кастомной разработки вместо готовых платформ — западные SaaS такие интеграции не делают.
Да. Embedded C/C++, Rust, MicroPython. Подробнее — на странице разработки ПО для встраиваемых систем.
Да, это часть discovery. Предлагаем 2–3 варианта по бюджету и задачам — от бюджетных российских до промышленных импортных. Тестируем на 1–2 объектах перед массовой закупкой. На MVP обычно хватает 2–3 типов сенсоров.
Для базовых задач — да (Cropin, Bayer FieldView и др.). Кастом нужен, когда есть специфика РФ (ФГИС, Минсельхоз), интеграция с работающим 1С, уникальные сценарии хозяйства или важен полный контроль данных.
