Американские исследователи создали компактную модель искусственного интеллекта, которая с помощью дронов и гиперспектральной съемки выявляет вирус красной пятнистости винограда. Эта болезнь наносит серьезный экономический ущерб виноделию Северной Америки. Система определяет зараженные лозы с точностью около 75%, при этом находит почти девять из десяти больных растений.
Вирус красной пятнистости нарушает транспортировку сахаров в ягодах, замедляет их созревание, а также ухудшает цвет и вкус вина. Традиционные методы диагностики, такие как визуальный осмотр и лабораторные анализы, требуют много времени и средств, что делает их неэффективными для больших хозяйств.
Ученые под руководством Алирезы Санаифара из Университета штата Калифорния провели исследование на четырех коммерческих виноградниках в долине Напа. Они работали с сортами «каберне-совиньон» и «каберне-фран». В течение двух сезонов команда собрала образцы с 714 лоз и с помощью ПЦР-тестов подтвердила, какие из них заражены, а какие здоровы.
Для сбора данных использовали дрон с гиперспектральной камерой, которая фиксирует изображение в 29 спектральных диапазонах. Анализ показал, что спектральные «отпечатки» здоровых и больных растений очень похожи. Статистически значимые различия обнаружили в зеленой и ближней инфракрасной частях спектра. Они указывают на деградацию хлорофилла и изменения во внутренней структуре листьев из-за болезни.
Разработанная нейросеть CompactSpectralViT анализирует эти тонкие различия. Ключевой показатель ее эффективности – полнота охвата (recall) – составила 87,2%. Это означает, что модель пропускает очень мало зараженных растений. Для виноделов важнее выявить все больные лозы, даже ценой ложных срабатываний, чем пропустить очаг инфекции, который может распространиться по всему винограднику.
Новая модель также оказалась вычислительно эффективной: она требует в 7,6 раза меньше ресурсов, чем аналоги, и занимает меньше памяти в графическом процессоре. При этом нейросеть превзошла по точности не только другие модели глубокого обучения, но и традиционные методы машинного обучения, которые на тех же данных показали точность лишь 63–65%.
Авторы отмечают, что систему еще предстоит протестировать на других виноградниках. Тем не менее технология позволит наладить автоматизированный мониторинг и своевременно выявлять и удалять зараженные лозы. Учитывая, что вирус может обойтись хозяйствам в десятки тысяч долларов на гектар, дроны и ИИ могут стать стандартными инструментами в борьбе с патогеном.