Учёные в Танзании разработали систему на основе искусственного интеллекта, которая определяет дефицит азота у кукурузы по фотографиям с обычного смартфона. Технология может помочь миллионам мелких фермеров в странах Африки южнее Сахары, которые вынуждены подбирать дозировку удобрений наугад из-за дороговизны и недоступности лабораторных анализов почвы.
Исследователи из Сельскохозяйственного университета Сокойне и Университета Дар-эс-Салама обучили три нейросети, используя более трёх тысяч снимков листьев кукурузы. Растения выращивали в контролируемых условиях с пятью разными уровнями азотного питания – от полного отсутствия до избытка. В лабораторных тестах модели показали высокую точность: лучшая из них правильно классифицировала состояние листа в 93,3% случаев. Алгоритмы практически не путали крайние состояния, например острую нехватку с избытком азота.
Однако испытания на 303 фермах в танзанийском регионе Рувума показали иные результаты. Когда нейросети столкнулись с реальными условиями – другими сортами кукурузы, освещением и стадиями роста, – точность определения конкретной категории упала до 58–64%. Это расхождение между лабораторными и полевыми данными – известная проблема при внедрении моделей машинного обучения.
Несмотря на снижение точности, исследование нельзя считать неудачным. Алгоритмы по-прежнему очень хорошо определяли общую степень нехватки азота, почти никогда не ошибаясь в главном: есть дефицит или нет, и насколько он силён. Для фермера эта информация гораздо важнее, чем точное числовое значение. Система надёжно выявляет серьёзную нехватку питательных веществ, когда вмешательство агронома наиболее эффективно.
Авторы работы, опубликованной в журнале BMC Plant Biology, подчёркивают, что разработанные модели достаточно компактны для работы на недорогих смартфонах без подключения к интернету, что критически важно для сельской местности. Дальнейшее развитие технологии потребует расширения базы обучающих данных за счёт снимков, сделанных в самых разных фермерских хозяйствах. Это позволит сократить разрыв между точностью в лаборатории и на реальном поле.