Инновационную веб-платформу для оценки состояния посевных площадей на предмет сорности и всхожести растительных культур разрабатывают в научно-исследовательской лаборатории «Моделирование и разработка интеллектуальных технических систем АПК» (НИЛ АПК) Донского государственного технического университета.
Данная система позволяет строить тепловые карты, отображающие оценки сорности и всхожести культурных растений на каждом участке поля. Использование таких карт помогает агрономам более эффективно корректировать стратегии внесения удобрений и гербицидов, что, в свою очередь, способствует повышению урожайности и оптимизации затрат на обработку полей.
В ходе работы над проектом сотрудники лаборатории обучили 10 различных нейронных моделей. По результатам анализа была выбрана наиболее эффективная модель, которая демонстрирует вероятностную точность в 82,54%. Ключевой ее особенностью является детектирование всходов культурного растения и сорняков для различных стадий их роста в течение всего жизненного цикла, что еще более повышает точность классификации растений. Сейчас создан опытный образец.
Кроме того, команда сотрудников научно-исследовательской лаборатории разрабатывает две системы наземного и воздушного применения, которые будут собирать фотографии полей с привязкой к геоданным. Системы призваны минимизировать для агрономов затраты на себестоимость, покупку и обслуживание техники, а также повысить доступность интеграции современных методов управления процессами в агропромышленном комплексе.
В настоящее время основная деятельность НИЛ АПК направлена на сбор и обработку данных для обучения своей модели, которая должна производить качественную классификацию различных растений, определять фазы их жизненного цикла. Кроме того, лаборатория проводит испытания разрабатываемых технических систем агромониторинга.
"Проект демонстрирует высокий уровень зрелости в направлении цифровизации сельского хозяйства. Интеграция нейросетевых моделей в веб-платформу для оценки сорности и всхожести уже сейчас способна заменить трудоемкие и субъективные методы агрономического мониторинга. Это позволит сократить количество выездов на поля, уменьшить потребность в ручной обработке и ускорить приживаемость решений. Автоматизация этих процессов повысит производительность труда агрономов минимум на 30 – 40%, особенно в хозяйствах с большими посевными площадями", – отметил декан факультета «Автоматизация, мехатроника и управление» ДГТУ Иван Наумов.
Источник: ДГТУ
