Программное обеспечение для точного подсчета всходов на поле создали сотрудники Института цитологии и генетики СО РАН совместно с партнерами. Разработка, основанная на использовании алгоритмов искусственного интеллекта, поможет эффективнее оценивать качество всходов и планировать внесение удобрений, сообщили в пресс-службе организации.
Современное точное земледелие требует регулярного мониторинга полей с сельскохозяйственными культурами. Одна из важных задач такого обследования – подсчет количества взошедших после посева растений: свеклы, картофеля, подсолнечника и других пропашных культур. Эти данные позволяют оценить качество всходов и спланировать агротехнические мероприятия по повышению урожайности.
Ранее специалисты «на глаз» оценивали количество взошедших растений по снимкам полей с беспилотников. Решить эту задачу быстрее и точнее можно с помощью методов обработки изображений, основанных на алгоритмах искусственного интеллекта, рассказал ведущий научный сотрудник Курчатовского геномного центра ИЦиГ СО РАН Дмитрий Афонников.
Для решения задачи сначала потребовалось собрать большую выборку изображений и разметить их, чтобы обучить нейронные сети их распознавать. Эту работу, а также коррекцию алгоритма взяли на себя специалисты компании «ГЕОСАЭРО».
«На втором этапе работы сотрудники нашего института занимались разработкой алгоритма и программированием. Это наша компетенция, мы регулярно создаем алгоритмы обучения нейронных сетей для решения самых разных задач, связанных с анализом изображений, и приобрели большой опыт в подобных проектах. Например, мы разработали мобильные приложения для анализа формы и размеров зерен пшеницы и для автоматического распознавания грибных заболеваний пшеницы на основе полевых изображений побегов», – отметил Дмитрий Афонников.
По словам учёных, новая технология позволяет подготовить рекомендации для хозяйств или фермеров, например, рассчитать необходимую растениям дозу подкормки и полива, снизить расходы и повысить урожайность сельскохозяйственных культур. Возможная выгода от использования разработки зависит от потребностей конкретного производителя, но она может быть очень существенной, подчеркнул научный сотрудник.
«Нам неизвестны примеры полных аналогов нашего программного обеспечения с использованием нейросетей и глубокого машинного обучения. Обычно снимки изучают вручную или на основе обычных алгоритмов анализа изображений. Более высокая скорость и эффективность обработки снимков за счет нейросети – и есть наше преимущество», – рассказал Дмитрий Афонников.
Он добавил, что в перспективе подобные разработки могут стать модулями общей цифровой платформы – «электронного помощника руководителя хозяйства», способного решать задачи оптимизации севооборота, прогнозирования урожайности и картирования почв.
«Наша совместная разработка находится на переднем крае сельскохозяйственной науки, и пока она востребована лишь отдельными заказчиками. Но с 1 января в России вступил в действие национальный проект «Беспилотные авиационные системы», налаживается производство беспилотников, готовятся кадры. В ближайшие годы увеличится количество специального оборудования, у работников появятся компетенции, чтобы им управлять, и тогда наш инструмент станет более востребованным», – рассказал директор компании «ГЕОСАЭРО» Захар Завьялов.
Разработка внесена в реестр ПО, на нее получено свидетельство о регистрации. Сейчас исследователи работают над созданием алгоритма для нейросети, которая сможет подсчитывать количество созревших колосьев и оценивать урожай, а в перспективе – определять число колосьев на более ранних стадиях созревания для корректировки полевых работ (подкормки и т.п.) и давать ранние прогнозы на урожай.
В работе была использована нейросеть модели U-net. Программа SeedlingsNet создана при финансировании со стороны Фонда содействия инновациям по конкурсу «Антикризис-ИИ» в рамках национальной программы «Цифровая экономика».
