Умный защитник: российский ИИ спасает урожай
Российские ученые создают технологию, выявляющую болезни растений на самом раннем этапе и позволяющую их эффективно лечить. Для этого в АПК внедряются трансформерные нейросети, использующие данные с дронов, спутников и открытых датасетов.
Электронный доктор
Один из секретов хорошего урожая – качественный уход за растениями на этапе роста. Важная задача растениеводов - мониторинг посевов и оперативный анализ состояния растений. Рано выявленные болезни или вредители позволяют вовремя начать лечение и спасти урожай. Точно также и анализ состояния почвы позволяет оперативно принять меры.
Исследователи Северо-Кавказского федерального университета (СКФУ) занимаются разработкой технологий, облегчающих работу аграриев и позволяющих сохранить урожай. Научная группа создает комплексные модели, использующие сразу несколько источников информации: многоспектральные снимки, метеорологические данные и показания наземных сенсоров для оценки будущего урожая, и качества почвенных условий.
Специально разработанная искусственная нейронная сеть способна быстро находить потенциальные угрозы, используя алгоритм обучения «учитель-ученик». Сложная высокопроизводительная система передает знания менее ресурсоемкой версии, подходящей уже для мобильных устройств, работающих непосредственно в полях.
По словам Валентины Бабошиной, младшего научного сотрудника лаборатории модулярных вычислений и искусственного интеллекта регионального научно-образовательного математического центра СКФУ, главное достоинство таких моделей заключается в способности выявлять не внешние признаки повреждений растений, а глубинные закономерности, такие как форма очагов заболеваний или отклонения цвета листьев. Это повышает точность диагностики проблем.
Рекомендации фермерам
Основная задача ученых при работе над проектом - создать удобный для практической работы инструмент, помогающий снижать затраты и повышать эффективности АПК. Новая технология способна оперативно автоматически давать рекомендации фермерам, куда направить оросительные системы или обработку полей, существенно повышая эффективность ведения сельского хозяйства.
Такое применение нейросетей позволит сократить расходы на полив и химикаты, увеличить продуктивность полей и повысить устойчивость сельского хозяйства к неблагоприятным погодным условиям. Угрозы выявляются практически мгновенно, это дает аграриям критически важное время для принятия мер по спасению урожая.
Кроме того, на фоне глобального потепления система помогает адаптироваться к изменчивым погодным условиям, прогнозируя риски и предлагая превентивные меры.
Работа над системами точного земледелия
Развитие подобных проектов в России идет давно и системно. Так в 2021 году команда российских ученых биофака МГУ, Тамбовского госуниверситета, Федерального научного агроинженерного центра ВИМ и Федерального научного центра (ФНЦ) им. Мичурина совместно с экспертами компании «Яндекс» создали на основе ИИ умную систему для мониторинга роста сельскохозяйственных растений.
Чтобы получить прогноз и оценку от искусственного интеллекта, аграрии должны сфотографировать объект и загрузить изображение в Yandex.Cloud. Там фотографию обработает специально обученная нейросеть. Кроме того, для более точных прогнозов разработчики планируют использовать данные от метеодатчиков и IoT-сенсоров, которые устанавливаются в почву и определяют уровень влажности и фотосинтетическую активность растений.
С 2023 года идет разработка Multiple-modal Data модели, использующей спутники, датчики и мультимодальные сети. Разработка ученых позволяет по изображениям с точностью до 97,2% определить здоровые и больные растения. Таким образом технология компьютерного зрения помогает предупредить распространение болезней на ранних стадиях и вовремя принять меры против них. Исследование ведется на средства гранта Российского научного фонда.
Новая технология СКФУ не только развивает существующие российские платформы для сельского хозяйства. Это мостик от точного земледелия к предиктивному. Создается основа для самообучающихся экосистем АПК, где каждое решение подкреплено анализом. В будущем такие технологии станут стандартом для работы в зонах рискованного земледелия. Это делает проект востребованным в странах СНГ, Средней Азии и Африки.
Кроме того, проект поможет созданию архитектуры мультимодальных глубоких нейросетей, применять которые можно будет для распознавания образов не только в сельском хозяйстве, но и в других отраслях.
