Разработан революционный метод диагностики здоровья растений, который способен автоматически определить масштабы проблемы буквально за несколько секунд. Специалисты из Института программных систем имени А.К. Айламазяна РАН создали нейросетевую систему, которая по простому фото листа вычисляет не просто факт заболевания, но и его тяжесть, высчитывая специальный «индекс здоровья».
Новая технология основана на возможностях компьютерного зрения и машинного обучения. Нейронная сеть, построенная на современных архитектурах FPN и ResNet-34, обучена точно определять и выделять на изображении здоровые и больные участки листовой пластины. Главная хитрость и преимущество разработки — для обучения алгоритма не потребовалась кропотливая ручная разметка тысяч изображений. Маски, показывающие, где на картинке больная, а где здоровая ткань, были созданы программным способом, что сэкономило огромные ресурсы без существенной потери в точности.
В результате система демонстрирует впечатляющую точность: 96.5% для поиска здоровых областей и 78.9% — для пораженных болезнью. После анализа программа подсчитывает процентное соотношение площадей и выдает итоговый «индекс здоровья» — число от -1 до 1. Значение, близкое к единице, говорит о том, что растение практически здорово, а минус один сигнализирует о катастрофическом состоянии. К примеру, если индекс падает ниже 0.9, это уже явный признак проблем, а дальнейшее снижение показывает усугубление болезни.
Этот «индекс здоровья» — не просто цифра. Он становится мощным инструментом для аграриев и ботаников. С его помощью можно объективно оценивать эффективность различных препаратов и методов ухода, отслеживая динамику состояния растения в режиме реального времени. Раньше такие оценки были субъективными и требовали постоянного участия экспертов. Теперь же достаточно сделать смартфоном фото листа, чтобы получить точный количественный анализ.
Разработка открывает новые горизонты для точного земледелия и устойчивого сельского хозяйства, позволяя быстро реагировать на угрозы и минимизировать потери урожая. В будущем авторы планируют научить свою систему не только оценивать масштабы поражения, но и точно определять конкретное заболевание, что сделает цифрового помощника для растениеводов еще умнее.
Исследование опубликовано в журнале «Программные системы: теория и приложения».
Создано при поддержке Минобрнауки РФ в рамках Десятилетия науки и технологий (ДНТ), объявленного Указом Президента Российской Федерации от 25 апреля 2022 г. № 231.
