Ученые из Университета Шицзяцзы и Шаньдунской академии сельскохозяйственных наук разработали технологию, которая позволяет точно оценить повреждение чайных кустов от заморозков. Метод, основанный на гиперспектральной съёмке и нейросети, не требует срезания листьев и превосходит по точности традиционный визуальный осмотр.
Заморозки – одна из главных угроз для чайной отрасли. Резкое похолодание может повредить молодые листья, снизить урожайность и ухудшить качество сырья. До сих пор степень ущерба агрономы определяли либо визуально, что неточно, либо с помощью лабораторных анализов, которые уничтожают образцы.
Китайские исследователи предложили комплексный подход. Сначала они изучили листья с разной степенью повреждений и вывели единый индекс реакции на холодовой стресс (TCSRI). Он объединяет восемь ключевых физико-химических показателей, таких как содержание фотосинтетических пигментов и целостность клеточных мембран. Этот индекс позволяет выразить степень ущерба не в общих категориях – «слабый» или «сильный», – а в виде непрерывного числового значения, которое точно отражает внутреннее состояние растения.
Затем команда создала модель глубокого обучения STAMPformer, которая способна рассчитать этот индекс, анализируя только свет, отраженный от поверхности листа. Гиперспектральная камера фиксирует сотни узких диапазонов волн, в которых закодирована информация о состоянии растения. Нейросеть научили находить в этих данных скрытые закономерности, соответствующие разным стадиям повреждения от мороза.
Модель показала высокую надёжность: коэффициент детерминации при прогнозировании индекса TCSRI и отдельных химических показателей превысил 0,87. Это означает, что точность бесконтактного метода приближается к лабораторным измерениям. Разработчики подтвердили, что нейросеть фокусируется на тех длинах волн, которые биологи связывают с процессами разрушения пигментов и нарушения фотосинтеза, что говорит о правильном усвоении физических закономерностей, а не случайных совпадений.
Технология успешно прошла проверку на независимых данных, которые не использовались при её обучении. Это подтверждает, что модель можно применять в разных хозяйствах и в разные сезоны. Практическое применение метода позволит агрономам за несколько часов оценить масштаб потерь после заморозков, селекционерам – быстрее отбирать морозоустойчивые сорта чая, а в будущем – создавать системы «умных» плантаций, где дроны будут в реальном времени картировать пострадавшие участки для принятия оперативных мер.