Ученые из Хуачжунского сельскохозяйственного университета создали автономного робота PhenoRob-F для полевого фенотипирования. Этот робот собирает и анализирует данные о растениях с помощью искусственного интеллекта и мультимодальных технологий. Статья о системе была опубликована 13 августа 2025 года в журнале Plant Phenomics (DOI: 10.1016/j.plaphe.2025.100085). Цель разработки — устранить недостатки традиционных методов фенотипирования, таких как ручной труд, использование дронов и стационарных систем.
PhenoRob-F оснащен RGB-, гиперспектральными и глубинными датчиками, что позволяет ему ориентироваться на полях и собирать данные о росте растений, их реакции на стресс. В ходе полевых испытаний робота проверили на пшенице, рисе, кукурузе и рапсе, чтобы оценить его способность прогнозировать урожайность, создавать 3D-модели и классифицировать растения по устойчивости к засухе.
При работе с пшеницей и рисом PhenoRob-F делал снимки сверху и использовал модели глубокого обучения YOLOv8m и SegFormer_B0 для выявления колосьев и сегментирования метелок. Система демонстрировала среднюю точность 0,853 при обнаружении пшеницы и показатель пересечения по объединению 0,949, с точностью 98,7 % при сегментации риса. В экспериментах с кукурузой и рапсом робот применял RGB-D-визуализацию и алгоритмы масштабно-инвариантного преобразования признаков и итеративного определения ближайшей точки для реконструкции трехмерных моделей растений. Результаты показали высокую корреляцию с ручными измерениями высоты (R² = 0,99 для кукурузы и 0,97 для рапса).
Для классификации стресса, вызванного засухой у риса, система PhenoRob-F использовала гиперспектральную визуализацию в диапазоне 900–1700 нм. После обработки данных с помощью алгоритма конкурентной адаптивной перевзвешенной выборки и модели случайного леса система достигла точности от 97,7% до 99,6% при оценке пяти уровней засухи. Робот завершал процесс фенотипирования за 2–2,5 часа, обрабатывая до 1875 растений в час.
Результаты исследования показали, что PhenoRob-F обеспечивает крупномасштабное, автоматизированное и высокоточное фенотипирование в полевых условиях. Это открывает возможности для прогнозирования урожайности, оценки стресса и генетического анализа. Исследователи считают, что платформу можно адаптировать для мониторинга состояния почвы, управления питательными веществами и выявления вредителей. Это будет способствовать внедрению подходов, основанных на данных, в селекцию сельскохозяйственных культур и агротехнику.