Ученые Северо-Кавказского федерального университета разработали способ раннего распознавания мучнистой росы и серой гнили с помощью нейронных сетей.
Подсолнечник является одной из самых распространенных масленичных культур, богатой источниками растительного жира и содержащей важные для организма человека минералами, витаминами и аминокислотами. Однако, растение подвержено различным заболеваниям, которые влияют на урожайность. Своевременная диагностика таких распространенных заболеваний, как мучнистая рома и серая гниль, позволят повысить качество и количество производимой сельскохозяйственной культуры.
Ученые Северо-Кавказского университета предложили с помощью искусственного интеллекта решить проблему распознавания болезней растений в сельском хозяйстве.
– Использование нейронных сетей для анализа почвы, оценки качества урожая, распознавания болезней растений открывает большие перспективы. Уверен, что применение компьютерного зрения и распознавания образов очень востребована в точном земледелии. Разработки ученых СКФУ в области искусственного интеллекта направлены на повышение продуктивности сельскохозяйственной отрасли нашей страны, – прокомментировал Дмитрий Беспалов, ректор СКФУ.
Разработка ученых федерального университета позволяет определять по изображениям здоровые и больные растения с точностью до 97,2 %. Исследование ведется в рамках гранта Российского Научного Фонда и рассчитано на три года. Итогом работы станет разработка архитектуры мультимодальных глубоких нейросетей, сферой применения которых станет распознавание образов в медицине, транспортной системе, сельском хозяйстве и других сферах.
– 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, – рассказала один из авторов разработки младший научный сотрудник отдела модулярных вычислений и искусственного интеллекта СКФУ Валентина Бабошина.
При ранней диагностике технология компьютерного зрения позволяет предупредить распространение болезней растений и вовремя принять меры по против грибковой инфекции.
По словам исследователей, в разработка технологии анализа состояния растений ведется с помощью программы Jupyter Notebook на ядре Conda, библиотека PyTorch языка программирования Python. Ученые заняты разработкой методов и алгоритмов изображений, что позволит нейронной сети концентрироваться на отдельных областях листьев, пораженных болезнями, и повысит точность диагностики.
В перспективе данная архитектура мультимодальных глубоких нейронных сетей может быть использована не только для анализа болезней подсолнечника. Система может быть расширена для анализа других изображений по фотографиям.
