Смартфоны в борьбе с болезнями растений

Учёные из EPFL и Университета штата Пенсильвания публикуют беспрецедентную базу из 50 000 открытых фотографий болезней растений. Снимки будут использованы для создания приложения, которое превратит смартфоны в «докторов для растений», помогая фермерам по всему миру.

Болезни сельскохозяйственных культур, являясь основной причиной голода, традиционно диагностируются визуально, хотя сегодня также используются микроскопы и ДНК-секвенирование. Однако первой линией обороны по-прежнему остаётся зоркий глаз фермеров, многие из которых не имеют доступа к современной диагностике и рекомендациям по лечению. Для решения этой проблемы учёные публикуют 50 000 открытых изображений здоровых и заражённых растений. Эти изображения позволят экспертам по машинному обучению разработать алгоритмы для автоматической диагностики болезней. Инструмент затем будет передан фермерам в виде мобильного приложения.

Стабильное снабжение продовольствием критически важно для всего мира. К 2050 году население планеты, как ожидается, достигнет 9 миллиардов, что делает проблему продовольственной безопасности всё более острой. При этом болезни растений продолжают наносить ущерб, вызывая массовый голод. Задача — вырастить достаточно пищи, одновременно защитив её от вредителей и болезней.

Один только ирландский картофельный голод (1845–1847 гг.), вызванный фитофторозом от оомицета Phytophthora infestans, унёс жизни более миллиона человек. Сегодня Продовольственная и сельскохозяйственная организация ООН (FAO) оценивает, что болезни растений ежегодно снижают потенциальную урожайность до 40%.

Марсель Салате (EPFL) и Дэвид Хьюз (Университет штата Пенсильвания) укрепляют первую линию обороны, используя повсеместное распространение смартфонов. Учёные публикуют открытую базу данных, содержащую 50 000 изображений здоровых и больных растений.

Идея инициативы — предоставить разработчикам ПО «сырьё» для создания алгоритмов машинного обучения. Машинное обучение — это вычислительный метод обнаружения закономерностей в одном наборе данных для последующего анализа другого, похожего набора данных. Благодаря прорывам в разработке алгоритмов, дешёвым вычислениям и хранению больших данных, результаты машинного обучения проникли в нашу повседневную цифровую жизнь — от распознавания лиц на фото до рекомендательных систем в онлайн-магазинах.

Салате и Хьюз хотят применить эти методы, разработанные компьютерными учёными, для распознавания и диагностики болезней растений. Алгоритмы с достаточной точностью будут интегрированы в мобильные приложения, позволяя фермерам фотографировать заражённые растения и мгновенно получать диагноз и рекомендации по лечению.

Для учёных это естественное развитие их веб-сайта PlantVillage — одной из крупнейших в мире бесплатных библиотек научных знаний о болезнях растений. Она охватывает 154 вида культур и более 1800 заболеваний и продолжает расти. «PlantVillage — это не только библиотека, но и сеть экспертов, помогающих людям по всему миру находить решения их проблем», — говорит Марсель Салате. «Наша цель — позволить смартфону выполнять большую часть диагностики, чтобы эксперты-люди могли сосредоточиться на необычных и сложных случаях».

Мобильное приложение — следующий шаг в этой эволюции, использующий возможности камер и подключения смартфонов для автоматического распознавания болезней. «Прелесть телефона в том, что он проникает в общество — от общественных садов в Бруклине до мелких фермерских хозяйств в Буркина-Фасо», — говорит Дэвид Хьюз. При ожидаемых 5 миллиардах смартфонов в мире к 2019 году, мобильные приложения обладают огромным потенциалом для преобразования способов выращивания пищи.

«Узким местом» в этом процессе является обучение алгоритмов распознаванию здоровых и больных растений. Несмотря на доступность цифровой фотографии, до сих пор было невозможно найти достаточное количество открытых изображений болезней растений для обучения алгоритмов.

«Предоставляя все эти изображения в открытый доступ, мы бросаем вызов мировому сообществу в двух направлениях», — говорит Хьюз. «Мы призываем сообщество специалистов по защите растений делиться своими изображениями, а сообщество машинного обучения — помогать в разработке точных алгоритмов».

«Следующий шаг, — добавляет Салате, — объединить огромный опыт в области data science по всему миру с нашими открытыми наборами данных в формате онлайн-соревнований для разработки лучших алгоритмов диагностики. В самом ближайшем будущем мы запустим первое такое соревнование на основе этой растущей базы данных».

«Это по-настоящему захватывающее начинание, — говорит Хьюз. — Интернет и мобильные платформы изменили многие аспекты человеческого общества. С помощью этих онлайн-соревнований и краудсорсинга мы хотим преобразовать краеугольный камень человеческих обществ — то, как мы выращиваем пищу».