Искусственный интеллект поможет фермерам диагностировать болезни растений
Нейронная сеть, обученная на большом наборе изображений, может научиться распознавать конкретные болезни растений с высокой точностью. Это открывает путь к идентификации заболеваний в полевых условиях с помощью смартфонов. К такому выводу пришли исследователи из Университета штата Пенсильвания и Швейцарской высшей технической школы Цюриха (EPFL).
Эта технология может быть особенно полезна для производителей в развивающихся странах, например, в странах Африки к югу от Сахары, где часто отсутствует необходимая исследовательская инфраструктура или системы сельскохозяйственного консультирования для поддержки мелких фермеров.
"Глобальная продовольственная безопасность находится под угрозой из-за ряда факторов, не последним из которых являются болезни растений, которые могут снизить урожайность или даже уничтожить культуру", — сказал соавтор исследования Дэвид Хьюз.
В развивающемся мире более 80% сельскохозяйственного производства приходится на мелких фермеров, и до половины голодающих людей живут в их домохозяйствах. Правильная идентификация болезни при ее первом появлении — решающий шаг для эффективной борьбы с ней.
Как работает технология
Исследователи создали нейронную сеть — большой кластер компьютеров с графическими процессорами. Используя метод глубокого обучения, они загрузили в сеть более 53 000 изображений больных и здоровых растений и обучили ее распознавать закономерности в данных.
"Нейронные сети обеспечивают соответствие между входными данными, например, изображением больного растения, и выходными данными, такими как пара "культура-болезнь", — объяснил соавтор Марсель Салате из EPFL.
В качестве аналогии Дэвид Хьюз привел способность Facebook идентифицировать пользователя по загруженной фотографии: "Наша цель — использовать такие алгоритмы для идентификации болезней растений".
Результаты и перспективы
Изображения для исследования были взяты из публичного архива PlantVillage — бесплатной онлайн-библиотеки и базы данных по болезням растений, созданной Хьюзом и Салате в 2012 году. Набор данных включал 14 видов сельскохозяйственных культур (здоровых и с симптомами) и 26 заболеваний. Каждое изображение было отнесено к одному из 38 классов (пара "культура-болезнь").
"В рамках набора данных PlantVillage модель достигла точности до 99,35%", — сообщил ведущий автор Шарада Моханти. Это означает, что она правильно классифицировала культуру и заболевание из 38 возможных классов в 993 из 1000 изображений.
Хотя создание алгоритмов и обучение модели требуют значительных вычислительных мощностей и времени, сам процесс классификации очень быстр, а полученный код достаточно мал, чтобы его можно было легко установить на смартфон.
"Это открывает четкий путь к диагностике болезней сельскохозяйственных культур с помощью смартфона в глобальном масштабе", — отметил Моханти.
Исследователи подчеркивают, что этот подход не предназначен для замены существующих методов диагностики (лабораторные тесты всегда надежнее), а должен их дополнять. Учитывая, что к 2020 году в мире будет использоваться более 5 миллиардов смартфонов (почти миллиард в Африке), эта технология представляет собой жизнеспособный дополнительный метод помощи в предотвращении потери урожая.