Нейросети, которые почти со стопроцентной точностью диагностируют болезни растений по фотографиям в лаборатории, катастрофически ошибаются в реальных полевых условиях. Исследователи из Вьетнама выяснили, что проблема не в качестве обучающих данных, а в излишней специализации самих моделей. Они предложили использовать универсальную нейросеть, изначально не предназначенную для сельского хозяйства, и добились резкого роста точности.
Долгое время считалось, что причина сбоев – в «фоновом смещении». Лабораторные снимки делают на однородном фоне, и модель учится распознавать фон, а не симптомы на листе. Однако попытки изолировать фон или имитировать полевые условия в обучающих данных давали лишь незначительный эффект. Точность на реальных снимках с хаотичной растительностью, тенями и разным освещением оставалась низкой.
Вьетнамские учёные предположили, что узкоспециализированные модели формируют неверное «представление» о задаче, которое полностью привязано к стерильным условиям. Вместо того чтобы исправлять такую модель, они взяли готовую универсальную нейросеть DINOv2 от Meta. Её обучали на 142 млн разнообразных изображений из интернета без какой-либо разметки, и она не имеет никакой специализации в агрономии. Преимущество таких моделей – они лучше распознают общую форму объектов, а не мелкие детали текстуры.
Эксперимент строился на простом принципе: ядро DINOv2 «заморозили», не меняя его, а поверх него обучили простой классификатор на тех же лабораторных снимках. Модель не видела ни одного полевого изображения в процессе обучения. В результате точность на реальных фотографиях с ферм выросла до 51,1%, что на 23,4 процентного пункта выше, чем у традиционной нейросети. Попытки дообучить саму DINOv2 на агрономических данных, наоборот, ухудшали её устойчивость к полевым условиям.
Успех объясняется тем, что универсальная модель сначала правильно определяет вид растения (например, отличает лист яблони от листа другого дерева), а уже затем ищет признаки болезни. Специализированные сети часто ошибались даже на этом базовом уровне. Эксперимент подтвердился и на другом наборе данных с изображениями листьев яблони: модели, ориентированные на форму, показали точность 45–58%, тогда как обычные нейросети – от 13% до 24%.
Результаты исследования показывают, что для решения прикладных задач в сельском хозяйстве более эффективными могут оказаться мощные универсальные модели, а не узкоспециализированные. Для фермеров, особенно в регионах с ограниченными ресурсами, это открывает перспективу создания действенных мобильных инструментов для диагностики. Разница в точности между 24% и 58% превращает технологию из бесполезной игрушки в рабочий инструмент, важный для обеспечения продовольственной безопасности.