Исследователи из Шаньдунского технологического университета в Китае разработали систему искусственного интеллекта DAPR-AM-Net, которая диагностирует болезни томатов по фотографиям листьев. Точность системы в полевых условиях превышает 99,7%, при этом она способна наглядно объяснять свои выводы с помощью тепловых карт.
По данным Продовольственной и сельскохозяйственной организации ООН, болезни растений ежегодно уничтожают от 20% до 40% мирового урожая. Патогены томатов, одни из которых вызывают фитофтороз, другие – бактериальную пятнистость или мучнистую росу, быстро распространяются, а их симптомы часто схожи между собой. Традиционный осмотр полей специалистами требует много времени и неэффективен на больших площадях, что стимулировало разработку автоматизированных систем.
Существующие нейросети часто ошибались из-за неоднородного фона на фотографиях, схожести симптомов на ранних стадиях и недостаточного количества примеров редких болезней в обучающих данных. Созданная китайскими учеными система решает эти проблемы. Специальные механизмы внимания заставляют ИИ концентрироваться на текстуре и цвете пораженных участков листа, игнорируя фон. Алгоритм также эффективно обучается на несбалансированных данных, уделяя особое внимание редким заболеваниям.
Систему протестировали на двух наборах данных. Один из них – общедоступный Plant-Village с изображениями, сделанными в контролируемых условиях. Второй, названный Tomato-DD, исследователи составили сами из снимков, сделанных в реальных полевых условиях при разном освещении и с посторонними объектами в кадре. На этом сложном наборе данных DAPR-AM-Net показала точность, полноту и F1-меру на уровне 99,73%, значительно превзойдя другие известные модели.
Новая нейросеть отличается не только точностью, но и эффективностью: она содержит всего 4,72 млн параметров и способна обрабатывать до 302 кадров в секунду на стандартном графическом процессоре. Это позволяет использовать её на мобильных устройствах, дронах и другом оборудовании непосредственно в поле. Система устойчива к помехам вроде смазывания изображения при движении или изменения яркости.
На базе DAPR-AM-Net уже создана веб-платформа для аграриев. Фермер может загрузить фотографию листа и в течение нескольких секунд получить диагноз, оценку уверенности ИИ, тепловую карту с выделенными пораженными участками и рекомендации по применению пестицидов. Платформа интегрирована с метеорологическими сервисами и подсказывает оптимальное время для опрыскивания, а также предупреждает о неблагоприятных погодных условиях. Если система не уверена в диагнозе (уверенность ниже 75%), она запрашивает дополнительные снимки, оставляя окончательное решение за человеком.
Авторы признают, что пока не проводили масштабных полевых испытаний для оценки экономического эффекта – например, сокращения расхода пестицидов или роста урожайности. Эти исследования, наряду с интеграцией данных мультиспектральной съемки, станут следующим этапом работы.