Своевременное выявление недугов агрокультур – критический фактор продовольственной безопасности. Традиционные методы компьютерного зрения часто пасуют перед суровыми реалиями полевой съемки: бликами солнца, пестрым фоном или неудачным ракурсом. Новая разработка призвана нивелировать эти оптические помехи, обеспечивая стабильную точность анализа вне стерильных лабораторных условий.
Секрет повышенной резистентности алгоритма к шумам кроется в специфической предобработке обучающей выборки. Исследователи применили метод аугментации данных, искусственно генерируя изображения с имитацией начальных стадий некрозов и хлорозов. Кроме того, программный код учитывает спектральные характеристики, анализируя индекс «зелености» кадра. Это позволяет системе четко отделять биоматериал от теней и посторонних предметов на заднем плане.
Практическое тестирование продемонстрировало качественный скачок эффективности: верификация диагноза повысилась с 87,5% до уровня свыше 93%. Визуализация процесса принятия решения (карты интерпретации) подтвердила, что искусственный интеллект фокусируется на физиологически значимых маркерах – сосудистой сетке, пятнистости и зонах увядания, игнорируя случайные артефакты.
По словам ректора НИТУ МИСИС Алевтины Черниковой, данный проект интегрирует вуз в глобальный тренд цифровизации индустрии. Технология рассматривается как фундаментальная база для создания мобильных платформ помощи фермерам и облачных систем мониторинга аграрных угодий. Профессор Елена Ляпунцова отмечает, что такая селективность исключает ложные срабатывания. Аспирант Али Салем Мутхана подчеркивает готовность софта к интеграции в концепции точного земледелия.
В планах научной группы – масштабирование датасета ботанических видов и адаптация вычислительного модуля для работы с контентом низкого разрешения прямо на месте произрастания культур.
