Добавить в корзинуПозвонить
Найти в Дзене
ГлавАгроном

Омские ученые обучат нейросеть распознавать болезни и вредителей по фото с БАС

Масштабная работа по организации сбора и аннотации (разметки) данных для обучения нейросетевой модели компьютерного зрения стартовала в Омском ГАУ. Работу ведет коллектив ученых вуза (Невенчанная Н.М., Гарагуль А.С., Мозылева С.И., Шойкин О.Д., Иванова М.В., Бобренко Е.Г., Карапыш Д.И.) под руководством д-ра с.-х. наук, профессора Игоря Александровича Бобренко. Модель предназначена для анализа снимков с беспилотных авиационных систем (БАС) и носимых камер агроскаутов с целью детектирования сорных растений, болезней, вредителей, определения фаз развития культур, построения карт полей и прогнозов. Сбор данных ведётся двумя способами: Все изображения собираются в централизованное хранилище, после чего выполняется их разметка в векторном формате с полной атрибутивной информацией (вид сорняка, тип патологии, стадия развития растения и т. д.). В вузе отметили, что сформированный датасет ляжет в основу нейросетевой модели, которая позволит:

Фото: Омский ГАУ
В Омском ГАУ началась масштабная работа по созданию датасета для обучения нейросетей
Фото: Омский ГАУ В Омском ГАУ началась масштабная работа по созданию датасета для обучения нейросетей

Масштабная работа по организации сбора и аннотации (разметки) данных для обучения нейросетевой модели компьютерного зрения стартовала в Омском ГАУ. Работу ведет коллектив ученых вуза (Невенчанная Н.М., Гарагуль А.С., Мозылева С.И., Шойкин О.Д., Иванова М.В., Бобренко Е.Г., Карапыш Д.И.) под руководством д-ра с.-х. наук, профессора Игоря Александровича Бобренко.

Модель предназначена для анализа снимков с беспилотных авиационных систем (БАС) и носимых камер агроскаутов с целью детектирования сорных растений, болезней, вредителей, определения фаз развития культур, построения карт полей и прогнозов.

Сбор данных ведётся двумя способами:

  • аэросъёмка с помощью БАС
  • и наземные обходы со съёмкой на мобильные устройства.

Все изображения собираются в централизованное хранилище, после чего выполняется их разметка в векторном формате с полной атрибутивной информацией (вид сорняка, тип патологии, стадия развития растения и т. д.).

-2
-3

В вузе отметили, что сформированный датасет ляжет в основу нейросетевой модели, которая позволит:

  • автоматически детектировать сорняки, болезни и вредителей,
  • строить детальные карты фитосанитарного состояния полей
  • и формировать прогнозы., что поможет аграриям принимать упреждающие меры и сокращать потери урожая.