Мы продолжаем наш цикл публикаций, посвященный 10-летию образования ФИЦ «Институт цитологии и генетики СО РАН» и постепенно переходим от истории к современным исследованиям, которые ведут сотрудники центра.
Одно из таких направлений – высокопроизводительное фенотипирование и использование машинного зрения для решения научных и производственных задач в области сельского хозяйства.
Цифровые методы, которые лежат в основе высокопроизводительного фенотипирования (описания признаков растения) позволяют существенно оптимизировать сбор данных и их форматирование для дальнейшего анализа. Анализ больших данных о связи между генотипом и фенотипом растения, того, как генетические изменения проявляются фенотипически – очень важен в селекции растений. Именно на этой основе затем можно планировать работу над новыми сортами с улучшенными свойствами.
Очень важную роль в этом процессе играют методы анализа изображений с использованием современных информационных технологий. «Селекция начинается с того, что мы должны выделить важный признак, связанный с урожайностью, продуктивностью, измерить и оценить его вариабельность в популяции. Ранее эта работа была очень трудоемкой. Всё делалось вручную с помощью линеек, на глаз. Мы хотим бы сделать так, чтобы ученым больше не надо было бы вручную измерять параметры растений, а просто сделать фотоснимок колоса пшеницы, соблюдая при этом ряд технических условий, и затем получить интересующую их информацию, загрузив это фото в нашу базу данных», - рассказал заместитель директора ИЦиГ СО РАН по научной работе, д.б.н. Дмитрий Афонников.
Эта работа основана на огромном экспериментальном материале, который накоплен в институте, включая коллекцию видов пшениц, собранную академиком РАН Николаем Гончаровым, а также на программном обеспечении, разработанном сотрудниками за последние годы.
Первые результаты уже есть. В их числе – приложение для автоматического подсчета количества зерен в колосе растения (важный этап в оценке урожайности сорта), которое можно установить на мобильное устройство – планшет или смартфон. После этого, все, что требуется – поместить зерна на белый лист бумаги и сфотографировать их. А дальше программа сама проводит подсчет, масштабирование и обмеры зерен, а затем – оформляет результаты в виде готового отчета. Причем, делает это не только быстрее человека, но и с большей степенью точности. Приложение уже несколько лет находится в открытом доступе и пользуется популярностью среди селекционеров и агрономов по всему миру.
Другой продукт из этой линейки – приложение, которое по фотоснимку может определить тип грибного заболевания, поразившего побеги пшеницы. «Заболеваниям злаков, которые вызываются патогенными грибами, подвержены многие культуры. И часто эти болезни существенно снижают урожайность растений. С такими болезнями трудно бороться, поскольку площадь поражения быстро разрастается. Одним из актуальных подходов является мониторинг посевов, который помогает на ранней стадии идентифицировать заболевание, принять меры к его нераспространению. На решение этой задачи направлен наш продукт, который с достаточно высокой степенью точности распознает основные грибные заболевания побегов пшеницы, как по отдельности, так и в комплексе, с одновременной возможностью идентификации стадии развития растений», - объяснил Дмитрий Афонников.
В настоящее время эта программа реализована в формате телеграм-бота и также доступна для использования как селекционерами, так и сотрудниками агропромышленных предприятий.
Впрочем, машинное зрение ученые используют не только в формате мобильных приложений, но и для более масштабного наблюдения.
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, попробовали сотрудники ИЦиГ совместно с компанией ГЕОСАЭРО.
Сотрудники компании собрали большую базу изображений, полученных при съемке с дронов и разметили их, чтобы обучить нейронные сети их распознавать. Ученые ИЦиГ взяли на себя разработку необходимых алгоритмов и программных продуктов, работающих на основе обученных нейросетей. «Результатом стала новая технология, которая 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 Дмитрий Афонников.
Работа в этом направлении продолжается и, по мере накопления опыта и компетенций, сотрудники лаборатории эволюционной биоинформатики и теоретической генетики ИЦиГ СО РАН ставят перед собой все более сложные задачи.
В их числе – создание цифровой модели колоса пшеницы. Одним из шагов по решению этой задачи стало создание информационной системы SpikeDroidDB, которая позволяет хранить цифровые изображения колоса, аннотировать их фенотипические характеристики по 14 важным признакам (эта работа проводилась совместно с Новосибирским государственным университетом).
Сложность задачи состоит в том, что множество морфологических признаков колоса принято оценивать качественно, более того, часто они не имеют количественной оценки. К таким признакам относятся форма колоса, его плотность, цвет колоса, опушение колосковых чешуй и множество других. Поэтому применение подходов цифрового анализа изображений для описания формы зерна и колоса необходимо сопоставлять с оценками этих признаков, выполненными экспертами-селекционерами.
Но когда эту задачу удастся решить, селекционеры получат уникальный инструмент – цифровую модель, которая сделает намного ускорит и облегчит их работу, сделав ее одновременно более эффективной и целенаправленной.
Еще более масштабные задачи ставит перед учеными общемировой тренд развития точного земледелия. А именно – создание методов точного прогнозирования урожая, на основе постоянного мониторинга состояния посевов, анализа полученной информации и выработки рекомендаций по корректировке производственных процессов с учетом реалий. Проще говоря, фермеру необходимо точно знать, сколько растений взошло на его полях, как они развиваются, чего им не хватает для роста, где и когда их атакуют патогены и какие именно, и так далее. А еще – получать с помощью искусственного интеллекта рекомендации по исправлению ситуации и оптимизации своей работы. Это позволит добиваться высокой производительности без злоупотребления удобрениями и при разумной себестоимости полученного урожая.
В рамках такой стратегии большую роль играют методы машинного зрения для мониторинга и анализа состояния полей, которые и развивают сегодня сотрудники ИЦиГ СО РАН.
«По сути, мы работаем на фронтире, не только решаем те задачи, которые ставят перед нами селекционеры и аграрии, но и пробуем поставить себя на их место и понять, чем генетика и биоинформатика могут им помочь, как сейчас, так и в будущем, по мере развития общего технологического прогресса», - подытожил Дмитрий Афонников.
- Войдите или зарегистрируйтесь, чтобы отправлять комментарии