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.
По данной разработке статья опубликована в сборнике Международной конференции NIELIT по коммуникациям, электронике и цифровым технологиям.
