Индийские исследователи разработали систему искусственного интеллекта, способную выявлять болезни гранатов на ранних стадиях. Технология решает ключевую проблему, которая тормозила внедрение ИИ в агросекторе, – нехватку качественных фотографий с полей для обучения нейросетей. Для этого система сама генерирует реалистичные изображения больных и здоровых плодов.
Чтобы обучать модели компьютерного зрения, нужны большие массивы данных. Собрать их в реальных садах сложно: на качество снимков влияют переменчивое освещение, тени от листьев и разные ракурсы съемки. Кроме того, эксперты, которые вручную размечают фотографии, часто по-разному трактуют одни и те же симптомы. В результате нейросети, обученные на идеальных «лабораторных» снимках, плохо справляются с работой в полевых условиях.
Ученые из университета в Пуне применили гибридный подход, объединив две технологии генерации изображений – генеративно-состязательные сети (GAN) и диффузионные модели. Их система создает разнообразные и качественные синтетические фотографии, которые дополняют данные, собранные в реальных условиях. Это помогает нейросети точнее распознавать признаки заболеваний.
Тесты показали, что гибридная модель работает лучше стандартных аналогов. Точность, с которой система отличает больной плод от здорового, достигла 76%. Авторы исследования отмечают, что эта цифра отражает реальную эффективность в полевых условиях, в отличие от более высоких, но нереалистичных показателей, которые модели демонстрируют на отфильтрованных лабораторных данных.
Технология важна не только для Индии, где гранат является экономически значимой культурой. Предложенный метод можно адаптировать и для других сельхозкультур, для которых не хватает данных для обучения ИИ. Это позволит шире применять автоматизированные системы мониторинга заболеваний, что становится все более актуальным из-за растущих угроз урожаю на фоне изменения климата.
Статья с результатами исследования опубликована в научном журнале BMC Plant Biology в открытом доступе.