Коллектив ученых Донского государственного технического университета во главе со старшим научным сотрудником Центра агробиоинженерии эфиромасличных и лекарственных растений, к. б. н. Мэри Одабашян работает над созданием системы распознавания состояния посевов сельскохозяйственных культур с помощью инструментов нейросетевого мониторинга. Проект направлен на распознавание, выявление и исследование отклонений у семян сельскохозяйственных культур на стадии всхожести. Использование нейросетей при выращивании сельскохозяйственной продукции позволит снизить риски в агропромышленном комплексе и тем самым повысить рентабельность отрасли.
– Из-за отсутствия систем мониторинга урожайности российские сельхозпроизводители ежегодно теряют до 40% продукции на сумму 720 млрд руб. Система дистанционного мониторинга растений с помощью БПЛА позволит сократить эти потери как минимум на 15% и вдвое увеличить точность прогноза урожая, – рассказала Мэри Одабашян. – Ценность нашей разработки, в первую очередь, состоит в том, что она позволяет собрать большую базу визуальных данных. Способности нейросети к прогнозированию связаны с ее возможностями обобщения и выделения скрытых взаимозависимостей между входными и выходными данными.
Основной задачей исследования является разработка эффективного алгоритма мониторинга и планирования посевных площадей на основе глубокого обучения и данных, полученных с помощью БПЛА.
– При отклонении от нормы и невсхожести семян в установленный срок с помощью нейросетевого мониторинга выявляются причины медленной и нездоровой всхожести семенного материала. Также на стадии вегетационного периода растений производится анализ общего состояния ростков, – пояснила Мэри Одабашян.
Традиционные системы мониторинга посевных площадей основаны на полевых наблюдениях, однако подобный метод сбора данных требует высоких затрат – материальных, временных, а также человеческих ресурсов, в том числе для интегрирования статистических результатов и устранения пространственно-временных ошибок. Разрабатываемый в ДГТУ метод мониторинга посевных площадей позволит оперативно оценивать состояние посевов по ключевым параметрам: степень увлажненности отдельных участков поля, риски и угрозы со стороны вредителей и сорняков, а также практиковать дифференцированное – наиболее эффективное – внесение семян и удобрений в почву.
По словам Мэри Одабашян, проект находится на стадии осуществления закупок и разработки информативного дескриптора описания посевных площадей на основе плотной разности микроблоков. Создание системы мониторинга планируется завершить до конца нынешнего года.
Проект финансируется за счет грантовых средств, полученных в рамках конкурса «Наука–2030» программы развития ДГТУ «Приоритет 2030».
