Китайские учёные разработали комплексную систему на базе искусственного интеллекта, которая в реальном времени распознаёт болезни и вредителей кукурузы по фотографиям с мобильного телефона. Кроме того, алгоритм способен прогнозировать риски для урожая на несколько лет вперёд. Результаты исследования опубликованы в научном журнале Plant Methods.
Агрономы часто сталкиваются с тем, что симптомы разных проблем – грибковой ржавчины, нехватки азота или повреждения гусеницами совки – на листьях кукурузы выглядят похоже. Пока специалист осмотрит достаточное количество растений для подтверждения диагноза, болезнь или вредитель успевают распространиться. Новая система призвана решить эту проблему, сократив время от обнаружения симптомов до принятия мер с нескольких дней до секунд.
Основой системы стала специально собранная база данных CLDF, которая содержит почти три тысячи изображений листьев кукурузы, снятых в полевых условиях. В отличие от лабораторных снимков, они включают посторонние элементы: почву, сорняки, тени и блики солнца. Нейросеть научили различать четыре состояния растений: здоровые листья, поражение ржавчиной, дефицит азота и повреждение совкой. Каждая из этих проблем требует разных мер – от обработки фунгицидами до внесения удобрений или инсектицидов.
Разработчики создали легковесную нейросеть P-YOLOv11s-MD-SiLU, оптимизированную для работы на мобильных устройствах. Она анализирует изображение прямо на смартфоне, не требуя подключения к интернету. Точность распознавания достигает 94,9%. Для фермера это выглядит как приложение с дополненной реальностью: достаточно навести камеру на лист кукурузы, чтобы на экране появился диагноз.
В систему также встроен прогностический модуль. Он использует статистическую модель ARIMA, которая анализирует архивные данные о погодных условиях и состоянии полей, чтобы оценить будущие риски. Например, модель прогнозирует рост активности совки в 2028–2030 годах, пик распространения ржавчины в 2026 году и повышенный риск дефицита азота в 2027 и 2030 годах. Такие прогнозы позволяют агрохолдингам и госорганам заранее планировать закупку семян, удобрений и средств защиты растений.
Создатели подчёркивают, что их подход можно адаптировать для других сельскохозяйственных культур. Работа получила открытый доступ, чтобы исследователи по всему миру могли использовать эту методологию для решения проблем продовольственной безопасности в своих регионах.