Машинное обучение помогает оценить состояние посевов сои

Исследователи из Университета штата Огайо разработали новый метод оценки здоровья сельскохозяйственных культур, комбинируя дроны и методы машинного обучения. Результаты опубликованы в журнале Computers and Electronics in Agriculture.

Суть метода

Метод использует нейронные сети для характеристики дефолиации — массовой потери листьев растениями, вызванной болезнями, стрессом, насекомыми-вредителями и другими факторами. В качестве объекта исследования была выбрана соя — одна из четырёх ключевых культур мирового сельского хозяйства.

Сбор данных

С августа по сентябрь 2020 года с помощью беспилотного летательного аппарата (UAV, дрона) были сделаны аэрофотоснимки пяти соевых полей в Огайо. После обработки исследователи получили более 97 000 изображений, которые вручную классифицировали как "здоровые" или "с признаками дефолиации".

• Около 67 000 изображений были помечены как здоровые.
• Почти 30 000 показали признаки дефолиации (соотношение более 2:1).

Создание нового инструмента

После сравнения нескольких алгоритмов машинного обучения, которые не обеспечивали нужной точности, исследователи создали собственную глубокую нейронную сеть с нуля — Defonet.

"Эта новая архитектура создана специально для этой задачи. Она превосходит существующие инструменты по точности, прецизионности и эффективности", — заявил ведущий автор исследования Цичэнь Чжан.

Значение работы

• Соя — важнейший продукт для США (мировой лидер по производству и второй по экспорту). В прошлом году для удовлетворения спроса было засеяно более 90 миллионов акров.
• Падение производства сои в США может иметь серьёзные последствия, так как она — ключевой источник масла, пищи и белка.
• Defonet — один из первых инструментов, использующих неинвазивные технологии для оценки здоровья культур в крупных масштабах. Он может помочь в раннем выявлении проблем и повышении эффективности сельского хозяйства.

"В ближайшие годы нам придётся значительно увеличить производство продуктов питания, чтобы удовлетворить спрос. Цифровое сельское хозяйство использует компьютерные науки и другие технологии, чтобы каждое посаженное семя росло максимально эффективно", — отметил соавтор исследования Кристофер Стюарт.