Центр искусственного интеллекта Новосибирского государственного университета совместно с агрокомпанией «Дары Ордынска» тестирует систему, которая с помощью беспилотника и нейросетей ищет колорадского жука на картофельных полях и точно локализует очаги заражения. Разработка должна помочь аграриям перейти от сплошной химической обработки к точечному контролю вредителя – более экономичному и безопасному для окружающей среды подходу, который соответствует идеологии точного земледелия.
Колорадский жук остается одним из самых опасных вредителей картофеля в России: в научных публикациях его прямо называют основным и самым опасным вредителем этой культуры. Для картофелеводства это не только биологическая, но и экономическая проблема: чем раньше обнаружен очаг, тем меньше площадь обработки и меньше расход инсектицидов, а значит, ниже затраты и меньше нагрузка на поле. Именно на это и нацелен «Колорад-детектор» – система, которая должна находить не следы повреждений, а самих насекомых, пока они еще не успели массово повредить растения.
Сегодня агрономы нередко осматривают поле выборочно – например, проходят его по диагонали. Такой метод дает общее представление о ситуации, но не гарантирует, что локальные очаги вредителя будут замечены вовремя. «Если их точно определить, можно локально обработать участок и не заливать химией всё поле», – объяснил инженер Центра искусственного интеллекта НГУ Максим Магеров. По его словам, именно раннее обнаружение позволяет перевести защиту растений из режима «обработать всё» в режим «обработать только то, что действительно заражено».
Проект опирается на уже накопленные компетенции центра в области бортовой обработки данных с беспилотных летательных аппаратов. Ранее команда работала над системой поиска людей с использованием БПЛА, где нейросеть анализировала видеопоток прямо на борту, а на землю передавалась уже обработанная информация. В аграрном проекте тот же подход адаптировали под задачу мониторинга картофельных посадок: на базе существующего коптера разработан специальный модуль из четырех камер, расположенных веерно, чтобы за один проход охватывать максимально широкую полосу поля.
Сейчас дрон летает на высоте примерно 3–4 метров над кустами, а разработчики подбирают оптимальную конфигурацию съемки. На борту установлен одноплатный компьютер повышенной мощности, который получает изображения с камер, анализирует их алгоритмами машинного зрения и детектирует взрослых особей колорадского жука. Важная особенность системы в том, что она не ориентируется на поврежденные листья, а ищет непосредственно насекомых: если ждать заметной дефолиации, можно потерять время.
«Личинки с воздуха увидеть сложнее, поскольку они часто находятся под листьями, и текущая версия алгоритма на них не обучена. Зато взрослые жуки, сидящие на верхней части растений, могут быть обнаружены поштучно», – отметил Магеров.
После обработки изображения на борту результаты передаются по цифровому каналу на наземную станцию. У агронома на ноутбуке открывается веб-приложение с картой поля, где отмечены точки обнаружения жуков. Это дает возможность быстро принять решение о локальной обработке конкретных участков, снизить расход инсектицидов и уменьшить нагрузку на окружающую среду. Такая схема полностью укладывается в логику точного земледелия – системы управления посевами, которая использует GPS, геоинформационные системы, спутниковую фотосъемку и другие цифровые инструменты для точечного и более эффективного управления полем. В российской практике это направление уже рассматривают как один из ключевых инструментов повышения продуктивности землепользования и экономии ресурсов.
Система находится на стадии активных полевых испытаний: разработчики регулярно выезжают на реальные поля, корректируют параметры съемки, собирают новые данные и тестируют алгоритмы в рабочих условиях. Ключевая задача ближайшего этапа – расширение обучающей выборки. До сих пор нейросеть обучалась преимущественно на синтетических изображениях жука, а реальных кадров было мало. «Сейчас проводятся полевые испытания, где мы не только подбираем оптимальные параметры работы, например, высоту полета, но и накапливаем изображения, полученные в реальных условиях, по которым сможем дообучить нейросеть», – рассказал инженер.
Это особенно важно, потому что в поле система должна работать в самых разных условиях: при разном освещении, на разных фазах роста картофеля, при различном фоне и с разных ракурсов. Мировая практика показывает, что синтетические данные могут повысить качество детекторов, но для реального применения почти всегда нужны и реальные изображения, собранные в рабочей среде. Чем разнообразнее обучающая база, тем надежнее система будет различать жука в живом поле, а не только в лаборатории.
По планам команды нынешний сезон уйдет на отладку аппаратного комплекса, сбор данных и повышение точности моделей. Осенью и зимой разработчики рассчитывают заняться доработкой технологии, оформлением прав на нее и подготовкой к масштабированию решения. В дальнейшем «Колорад-детектор» планируют предложить и другим аграрным производителям. Первым заказчиком останется «Дары Ордынска», но авторы проекта рассчитывают, что интерес к системе проявят и другие хозяйства, которые хотят сократить расходы на химзащиту и перейти к более точному контролю вредителей.
В более широком смысле проект показывает, как технологии искусственного интеллекта и бортовой обработки данных на беспилотниках переходят из задач спасения людей и мониторинга территорий в прикладные решения для сельского хозяйства и городской инфраструктуры. Для российского картофелеводства это особенно актуально: колорадский жук остается массовым и устойчивым вредителем, а значит, любые инструменты раннего обнаружения и точечной обработки могут дать заметный эффект и в экономике, и в экологии.
Сергей Исаев
Фото предоставлено исследователем
- Войдите или зарегистрируйтесь, чтобы отправлять комментарии