Исследователи Северо-Кавказского федерального университета создали метод раннего выявления мучнистой росы и серой гнили с использованием нейронных сетей. Искусственный интеллект способствует идентификации опасных заболеваний подсолнечника.
Исследователи Северо-Кавказского федерального университета создали метод для раннего выявления мучнистой росы и серой гнили с использованием нейронных сетей. Искусственный интеллект способствует определению опасных заболеваний подсолнечника.
Подсолнечник — это одна из самых популярных масленичных культур, обладающая высоким содержанием растительного жира и важными для человеческого организма минералами, витаминами и аминокислотами. Тем не менее, это растение подвержено различным заболеваниям, которые могут негативно сказаться на урожайности. Своевременная диагностика таких распространенных болезней, как мучнистая роса и серая гниль, поможет улучшить как качество, так и количество производимого сельскохозяйственного продукта.
Исследователи Северо-Кавказского университета разработали решение для диагностики заболеваний растений в сельском хозяйстве с использованием искусственного интеллекта.
Ректор СКФУ Дмитрий Беспалов отметил, что применение нейронных сетей для анализа почвы, оценки качества урожая и выявления болезней растений открывает новые горизонты. Он выразил уверенность, что технологии компьютерного зрения и распознавания образов становятся крайне актуальными в сфере точного земледелия. Исследования ученых СКФУ в области искусственного интеллекта нацелены на повышение эффективности сельскохозяйственного сектора нашей страны, подчеркнул он.
Ученые федерального университета разработали метод, который позволяет с точностью до 97,2% различать здоровые и больные растения по изображениям. Исследование проводится в рамках гранта Российского Научного Фонда и рассчитано на три года. В результате работы будет создана архитектура мультимодальных глубоких нейросетей, которые найдут применение в распознавании образов в медицине, транспортной системе, сельском хозяйстве и других областях.
– Разработанный ансамбль нейронных сетей в сочетании с БПЛА позволит производителям отслеживать состояние полей в реальном времени и получать своевременные отчеты об очагах болезней, их виде и месте расположения, – рассказала один из авторов разработки, младший научный сотрудник отдела модулярных вычислений и искусственного интеллекта СКФУ Валентина Бабошина.
С помощью технологии компьютерного зрения можно своевременно диагностировать болезни растений, что позволяет предотвратить их распространение и принять необходимые меры против грибковых инфекций.
Исследователи сообщают, что работа над технологией анализа состояния растений осуществляется с использованием программы Jupyter Notebook на базе ядра Conda и библиотеки PyTorch языка Python. Ученые занимаются разработкой методов и алгоритмов обработки изображений, что позволит нейронной сети сосредоточиться на отдельных участках листьев, пораженных заболеваниями, и улучшить точность диагностики.
В будущем эта архитектура мультимодальных глубоких нейронных сетей может быть применена не только для диагностики заболеваний подсолнечника. Систему можно адаптировать для анализа изображений других объектов на основе фотографий.
По данной разработке статья была опубликована в сборнике материалов Международной конференции NIELIT, посвящённой коммуникациям, электронике и цифровым технологиям.
Источник и фото: Северо-Кавказский федеральный университет.
Интересна тема? Подпишитесь на наши новости в ДЗЕН | Канал в Telegram | Группа Вконтакте | Дзен.новости.