Новый способ раннего и точного распознавания опасных болезней подсолнечника нашли ученые СКФУ. Они разработали систему на основе ансамбля нейронных сетей, которая с помощью искусственного интеллекта позволяет мониторить поля и выявлять мучнистую росу и серую гниль – самые распространенные заболевания подсолнечника. Впоследствии, как утверждают эксперты, данная система может быть использована и для других сельскохозяйственных культур. Результаты исследования опубликованы в сборнике «Proceedings of the NIELIT’s International Conference on Communication, Electronics and Digital Technology».
Подсолнечник – основная масличная культура в России, из которой получают подсолнечное масло. Растение обладает высокой адаптивностью и богатым химическим составом, включающим белки, аминокислоты, витамины группы B и микроэлементы. Продукты переработки подсолнечника широко используются не только в пищевой, но и в косметической, фармакологической и химической промышленности. Стремление увеличить производство подсолнечника сталкивается с возрастающей угрозой заболеваний, способных нанести значительный ущерб урожаю. Фитосанитарные методы требуют постоянного контроля за состоянием растений. Однако такой подход весьма трудоемок и требует привлечения дополнительных ресурсов.
Ученые Северо-Кавказского федерального университета (СКФУ) предложили решить данную проблему с помощью искусственного интеллекта: они нашли метод повышения точности нейросетевого распознавания болезней подсолнечника на основе реальных полевых снимков. По словам ученых, система позволяет с точностью 97.02% определять по изображениям здоровые листья, мучнистую росу и серую гниль.
Мучнистая роса (возбудитель болезни – гриб Plasmopara Halstedii) и серая гниль (гриб Botrytis cinerea Pers) – одни из самых распространенных заболеваний подсолнечника (встречаются во всех регионах выращивания подсолнечника во все фазы его развития – ред.). Наряду с подсолнечником они поражают более 370 видов растений.
Как отметила младший научный сотрудник отдела модулярных вычислений и искусственного интеллекта СКФУ Валентина Бабошина, ранняя диагностика данных заболеваний позволит предотвратить значительные потери урожая, ведь эти болезни могут привести к почти 100% потере урожая, если вовремя не предупредить их распространение.
«Разработанный ансамбль нейронных сетей в сочетании с БПЛА позволит производителям отслеживать состояние полей в реальном времени и получать своевременные отчеты об очагах болезней, их виде и месте расположения», – добавила она.
По словам Бабошиной, в ходе исследования была использована программа Jupyter Notebook на ядре Conda, библиотека PyTorch языка программирования Python. На данный момент перед учеными стоит задача улучшения разработки путем добавления методов сегментации изображений, что позволит нейронной сети концентрироваться на отдельных областях листьев, пораженных болезнями, и повысит точность диагностики.
По словам ученого, разработанная система может быть расширена с помощью изображений других растений.
«Это делает ее универсальной и применимой на разных типах полей, даже комбинированных», – добавила она.
Исследование выполнено в рамках гранта Российского Научного Фонда № 23-71-10013 «Перспективные методы интеллектуальной обработки сигналов на основе глубоких нейронных сетей и модулярных вычислений».