Бразильские учёные разработали нейросеть, которая с общей точностью 70% определяет потенциальную урожайность новых сортов фасоли. Алгоритм наиболее эффективно выявляет самые продуктивные и самые слабые генотипы, что может значительно ускорить и удешевить селекционную работу.
Исследование провели специалисты из Государственного университета Санта-Катарины (UDESC) и компании по сельскохозяйственным исследованиям EPAGRI. Их разработка решает одну из главных проблем селекции – длительный и ресурсоёмкий процесс полевых испытаний. Ежегодно агрономы оценивают сотни сортов-кандидатов, чтобы отобрать единицы с лучшими показателями. Новый инструмент позволяет на раннем этапе отсеивать бесперспективные линии и концентрировать усилия на наиболее многообещающих.
Нейросеть не прогнозирует точную урожайность в килограммах на гектар, а распределяет генотипы по четырём категориям: низкоурожайные, средние, хорошие и отличные. Наибольшую точность – свыше 90% – модель показала при работе с крайними категориями, то есть самыми плохими и самыми лучшими сортами. Именно эта способность критически важна для селекционеров, поскольку помогает избежать двух дорогостоящих ошибок: упустить выдающийся сорт или потратить ресурсы на заведомо провальный.
Ключевое преимущество подхода в том, что для анализа нейросети нужны только фенологические данные – внешние признаки растений, которые селекционеры и так фиксируют в ходе полевых работ. Технология не требует дорогостоящего и не всегда доступного генетического анализа. Это делает её применимой для небольших селекционных центров в развивающихся странах, где фасоль – одна из основных продовольственных культур и важный источник белка для населения.
Авторы работы, опубликованной в Indian Journal of Genetics and Plant Breeding, подчёркивают, что их система – это инструмент поддержки, а не замена опытного агронома. Она призвана оптимизировать процесс отбора, позволяя специалистам сосредоточиться на самых перспективных образцах. Разработка показывает, как современные вычислительные методы уже сегодня помогают решать практические задачи в сельском хозяйстве и укреплять продовольственную безопасность.