Точное земледелие

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 он.

По словам ученых, 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 ученый.

"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".

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 в сотрудничестве с компанией ГЕОСАЭРО по программе "Антикризис-ИИ" Фонда содействия инновациям в рамках национальной программы "Цифровая экономика".