Нейросеть уже научилась распознавать болезни подсолнечника по фотоснимкам за секунды. Фото: ncfu.ru
В современном сельском хозяйстве не обойтись без внедрения сложных алгоритмов для защиты посевов от болезней и засухи. О прорывных технологиях, создаваемых в помощь аграриям Ставрополья рассказала младший научный сотрудник Северо-Кавказского центра математических исследований СКФУ Валентина Бабошина.
«Сегодня команда ученых делает ставку на мультимодальные модели. Комбинация мультиспектральной съемки, информации с метеостанций и данных установленных в поле датчиков поможет прогнозировать урожайность и состояние почвы. Главное преимущество таких сетей в том, что они ищут не визуальное сходство, а общие принципы, например, форму очага поражения или отклонения в цвете листьев, что позволяет точнее диагностировать проблемы», – объяснила Валентина Бабошина.
Ученые делают ставку на мультимодальные модели. Фото: ncfu.ru
Еще одно преимущество ИИ – скорость. Например, обученная нейросеть за считанные секунды распознала по фото мучнистую росу, серую плесень и повреждения листьев подсолнечника. Единственный момент – для получения рекомендаций в реальном времени необходимы компактные модели. Ученые применили подход «учитель–ученик» (knowledge distillation), при котором мощная сеть «обучает» более простую.
«Будущее агросектора – за трансформерными нейросетями. Основная задача – не просто диагностировать, а интегрировать решение в умное земледелие. Надеемся, что уже через несколько лет разрабатываемые алгоритмы смогут стать основой для "цифровых агрономов", которые сами будут подсказывать, где полить, где обработать поле», – отметила молодой ученый из СКФУ.