ZherSoilScan

Проблема, которую фермер решает на глаз

Лабораторный анализ почвы, по данным команды, стоит от 100 до 150 долларов за пробу и занимает от двух недель. Пока фермер ждёт результат, состояние земли уже успевает измениться — вносить удобрения и поливать приходится по интуиции. Команда прямо называет это в питче: «иногда эти решения принимаются почти вслепую».

Это не абстракция. Почва в Казахстане деградирует, а точной оперативной картины у большинства хозяйств просто нет — дорогой и медленный анализ доступен не каждому, особенно небольшим фермерским хозяйствам.

Что придумали

ZherSoilScan — сенсор, который вставляется в землю, плюс мобильное приложение, которое превращает сырые цифры в решение.

Физический блок — многофункциональный почвенный щуп (измеряет влажность, pH, электропроводность, азот, фосфор, калий), подключённый по Modbus RTU к Arduino Uno с Wi-Fi-модулем ESP01. Данные уходят в приложение, где их разбирают две модели: языковая модель с рассуждением (DeepSeek) формулирует рекомендации по уходу за почвой, а модель машинного обучения — по словам команды, обученная на 8000 строк данных Сатпаевского университета и Европейского центра данных по почвам — сопоставляет показатели с реальной урожайностью.

Сам щуп — серийный датчик, такие продаются свободно. Отличие ZherSoilScan в том, что прибор договаривает измерение до решения: вместо «азот — 40 мг/кг» фермер видит, что с этим делать. Этот шаг команда добавила не сразу — об этом ниже, в истории главного провала. Приложение работает офлайн в удалённых районах, где со связью не всегда стабильно.

Как это началось

«Всё началось на перемене в нашей школьной оранжерее. Я вспомнила проблему в саду дома, где из года в год не росли грушевые деревья. Они увядали и гнили изнутри, несмотря на регулярный полив и удобрения».

Команда начала изучать тему и нашла тревожные оценки того, как в Казахстане теряют плодородие земли.

«Финальным толчком стал кризис с дефицитом картофеля в супермаркетах Астаны, когда его продавали строго по 5 кг в одни руки. Тогда мы поняли, что проблемы земли бьют по карману и тарелке каждого городского жителя, и решили создать ZherSoilScan».

Искра — личная (грушевые деревья дома), но толчком к решению стало общественное событие: очередь за картошкой по пять килограммов в руки — редкий случай, когда абстрактная деградация почвы стала бытовой проблемой каждого горожанина.

Главный провал: прототип, сгоревший при первом включении

«Когда техническая команда впервые собрала прототип датчика на базе микрокомпьютера Arduino и Wi-Fi-модуля и подключила его к сети, вся электроника выгорела из-за одного неверного соединения. В этот момент мы поняли, что даже небольшая ошибка в электронике может привести к неприятным последствиям для бюджета проекта и безопасности участников. После этого мы начали использовать онлайн-симуляторы Arduino, что помогло нам находить ошибки до настоящего физического подключения и избегать лишних убытков».

Второй удар пришёл уже со стороны продукта — и почти в последний момент:

«Буквально за ночь до нашего первого конкурса в чате команды началось бурное обсуждение функционала приложения, которое на тот момент лишь показывало данные с сенсора. Главным аргументом было то, что сырые данные о содержании азота, фосфора и калия (NPK) для обычного человека — это просто непонятные цифры. Несмотря на короткие сроки, команды дизайна и разработки скоординировались, внедряя новые функции в приложение проекта вплоть до последних минут перед презентацией».

За одну ночь в приложение добавили слой ИИ-рекомендаций — тот самый, что теперь отличает ZherSoilScan от обычного датчика.

Разбор изобретателя

Метод-этап	Проверка через симуляцию до первого живого подключения
Что сработало	Переход на онлайн-симуляторы Arduino после сгоревшей электроники — ошибки стали видны до того, как бьют по бюджету и безопасности участников
Что не сработало	Сборка «на живую» без предварительной проверки схемы — одно неверное соединение сожгло весь прототип
→ Инструмент Части 2	Чек-лист «симулируй, прежде чем паять»: что обязательно проверить в симуляторе перед первым физическим подключением

Где проект сейчас

«После Solve for Tomorrow наша работа над проектом не закончилась — скорее именно тогда она по-настоящему началась».

Так команда описывает этот период в аудио-интервью: конкурс дал уверенность, что идея полезна, и после него прототип дорабатывали, а главное — начали проводить интервью с фермерами и собирать обратную связь. Там же звучит формулировка, объясняющая весь путь: сегодняшний проект — «результат не одного удачного решения, а большого количества попыток, ошибок и желания постоянно двигаться вперёд».

После Solve for Tomorrow команду пригласили выступить на TEDxAstana 2025 «Мұра» («Наследие», сентябрь 2025): там участники рассказали историю проекта и о том, почему важно сохранить землю.

Большая часть команды поступает учиться за рубежом, и вести проект совместно дальше стало сложно. Поэтому ZherSoilScan передан младшей команде школы — с намерением, что новое поколение продолжит разработку и презентации.

Дальше — насколько далеко продвинется младшая команда, пока неизвестно: это уже её работа.

После конкурса: есть следы предпринимательской траектории (стартап-роли в публичных профилях); участники заметны в конкурсах и олимпиадах после сезона. Имена участников не публикуются.

Потенциал развития

Взгляд со стороны: чем этот проект может стать, если довести его до продукта. Это аналитическая гипотеза редакции, а не заявление команды.

Щуп в земле соберёт любая мастерская с Arduino. Самое ценное в ZherSoilScan — слой, который превращает сырые NPK-показания в конкретную рекомендацию, и в датасете, на котором этот слой обучен: 8000 строк соответствий «состояние почвы → урожайность». Это единственная часть, которую нельзя скопировать за выходные, и она растёт с каждым новым полем, на котором стоит датчик.

Модель монетизации из этого следует сама: индивидуальный фермер вряд ли готов платить за прибор регулярно, а вот тот, кто зарабатывает на решениях фермера — поставщик удобрений, агростраховщик, государство, — заинтересован в объективных данных о состоянии земли. Отсюда естественная связка B2B/B2G вокруг одного и того же датчика и одной и той же модели.

Куда это может масштабироваться

Направление	Что переиспользуется	Пример применения
Точное внесение удобрений	Рекомендательный слой, обученный на связке NPK-показателей и урожайности	Партнёрство с поставщиками удобрений: дозировка под конкретный участок
Мониторинг деградации земель для государства	Та же сенсорная сеть, агрегированная по региону	B2G-контур для отслеживания деградации земель на проверяемых данных
Агрострахование	Объективные измерения состояния почвы вместо самоотчёта фермера	Андеррайтинг риска по измерениям — снижает стоимость страховки для добросовестных хозяйств
Региональная экспансия в Центральной Азии	Тот же щуп и архитектура, модель переобучается под локальные типы почв	Команда сама формулирует это видение в английском питче: «scale not just across Kazakhstan, but throughout Central Asia»
Офлайн-архитектура для удалённых хозяйств	Мобильное приложение, спроектированное на работу без стабильного интернета	Переносимо на соседние задачи агро-IoT там, где связи нет: контроль воды, климата на поле

Что нужно доказать, чтобы это состоялось. Первое — точность рекомендаций против экспертной агрономии: пока есть только отзыв одного фермера («впервые точно знал, почему его посевы не дотягивают»), а не измеренное сравнение с агрономом. Второе — происхождение и лицензию датасета: 8000 строк от Сатпаевского университета и Европейского центра данных по почвам нужно подтвердить документально, прежде чем строить на них коммерческий продукт. Третье — юнит-экономику: сколько стоит один сенсор в серии и кто конкретно готов платить за него регулярно — фермер, поставщик или государство.

Что советуют тем, кто начинает

«Не делайте проект ради портфолио. Ищите личную связь с проблемой».

«Изобретать — это…»

«Переделывать всё заново, пока от твоего упрямства буквально не сгорит электроника».