Исследователи из китайской провинции Хэнань разработали нейросеть WheatNet, которая с высокой точностью подсчитывает всходы пшеницы по фотографиям с обычного смартфона. Технология может заменить трудоёмкий ручной подсчёт, который агрономы и селекционеры используют для оценки густоты посевов и принятия решений об уходе за ними.
Подсчёт молодых ростков – сложная задача для компьютерного зрения. На стадии одного-трёх листьев растения очень малы, их тонкие листья перекрывают друг друга, а тени, сорняки и особенности почвы создают визуальные помехи. Крупные нейросети не справляются с этой задачей эффективно, поскольку не могут уловить пространственные связи между плотно растущими всходами.
Система WheatNet построена на базе компактной архитектуры, которую разработчики существенно переработали для распознавания именно всходов пшеницы. Модель содержит всего 3,83 млн параметров, но превосходит по точности более крупные и медленные аналоги. Инженеры улучшили все три ключевых компонента нейросети, научив её лучше анализировать изображения с плотной растительностью и определять границы отдельных ростков, даже если их листья направлены в разные стороны.
Для обучения нейросети команда собрала специальный набор данных. В течение двух вегетационных сезонов на четырёх участках в провинции Хэнань было сделано более 5 тыс. снимков. Исследователи выяснили, что съёмка под низким углом (15–30 градусов) даёт лучшие результаты, так как на таких фото чётче видны края листьев и основания стеблей. Итоговый датасет включил почти 2,9 тыс. изображений с более чем 35 тыс. отмеченных вручную ростков.
Тестирование показало, что точность и полнота распознавания WheatNet превышают 95%. Средняя абсолютная ошибка при подсчёте составила менее одного ростка на изображение. Нейросеть сохраняла высокую производительность даже в сложных условиях: при густых посевах, плохом освещении и неоднородном фоне. Разработчики также создали прототип приложения для WeChat, которое на современном смартфоне обрабатывает один снимок примерно за 200 миллисекунд.
Авторы признают, что пока система тестировалась на полях без сорняков и на ранней стадии роста пшеницы. В дальнейшем планируется расширить исследования, включив в них другие регионы, сорта и условия выращивания. Тем не менее WheatNet уже демонстрирует, как цифровые технологии могут автоматизировать одну из самых рутинных задач в сельском хозяйстве.