В Уфе разработали нейросети для оптимизации селекционных процессов

Кроме того, цифровые технологии интегрированы в работу с беспилотниками.

От лаборатории к полю: в аграрном университете разработали нейросети для оптимизации селекционных процессов в животноводстве и растениеводстве. Кроме того, цифровые технологии интегрированы в работу с беспилотниками. Об инновациях в сельском хозяйстве — Ксения Мирокияц.

Нацеленная на горох камера изучает буквально каждый его завиток. Но это не просто фотоаппарат, а целая научная установка для цифрового фенотипирования: она помогает детально рассмотреть и оценить признаки растения. Все данные тут же отправляются в программу на базе искусственного интеллекта. Интересно, что прежде, чем запустить нейросеть, молодые учёные проделали всю работу вручную: шаг за шагом изучили образцы, чтобы научить машину видеть то, что видят они.

Алексей Казьмирук, стажёр-исследователь научно-инновационной лаборатории интеллектуальных систем БГАУ:

«На описание 1 сорта, а это 25 сортообразцов, у нас ушло порядка 3 часов работы втроём без каких-либо перерывов. Мы предложили другой вариант: полностью это всё отфотографировать в стабильных условиях, разметить, обучить нашу нейронную сеть на определённых классах. Классы у нас соответствуют органам растения».

Нейросеть запоминает все элементы растения — листья, стебли, усы, бобы — чтобы в дальнейшем научиться распознавать их самостоятельно. Студенты аграрного университета сейчас занимаются обучением искусственного интеллекта. В перспективе это позволит существенно оптимизировать процесс оценки растений. На текущем этапе работа ведётся с высушенными образцами, но в планах — перенести технологию непосредственно в поле.

Для этого исследователи проводят аннотацию гороха на стадии онтогенеза — то есть детально изучают растения в процессе их развития. Сейчас эта работа выполняется в специальных климатических камерах, где культуры выращивают в стандартизированных условиях. Внутри установлены стереокамеры, способные фиксировать изображение всего верхнего ряда с глубиной съёмки 950 миллиметров.

Сергей Шамукаев, доцент кафедры теплоэнергетики и физики БГАУ

«Применение такой технологии позволяет не только получать изображение, но и 3D-модель этого гороха или какого-то другого растения. На основе этого мы можем измерять все размеры растения: и ширину листа, и длину стебля, и длину боба, и все другие параметры. Мы его сейчас обучаем, чтобы он вообще распознавал все эти сорта, а потом уже будем дальше дорабатывать».

Следят за растениями не только с земли, но и с воздуха. Так благодаря интеллектуальной диагностике с использованием беспилотных летальных аппаратов и цифровых технологий аграрии смогут на ранних стадиях выявлять заболевания пшеницы на больших площадях.

Шамиль Файзрахманов, и.о. заведующего кафедры землеустройства БГАУ:

«Здесь можно устанавливать 2 полезные нагрузки, как сверху, так и снизу данного дрона. Он проихводит облёт определённых площадей, в основном это поля сельхозназначения и в дальнейшем уже при помощи камеральной обработки производится обработка его съёмки».

В башкирском аграрном университете учат не только летать на БПЛА, но и создавать их. Студенты самостоятельно собирают беспилотники, чтобы в дальнейшем упростить работу на сельхозугодьях.

Ксения Мирокиянц, корреспондент:

«Искусственный интеллект также стал частью селекционного процесса в животноводстве. Благодаря такой сенсорной зоне с 4 камерами 3D-модель телёнка появляется в специальной программе. Что в дальнейшем значительно упрощает отбор животных на племенное стадо».

С октября идёт тестирование нейросети на свиньях — и результаты уже впечатляют: в «искусственный разум» исследователи загрузили свыше 15 тысяч изображений, а точность работы приблизилась к 85 %.

Сейчас команда работает над расширением числа классов, дальнейшим повышением точности и превращением прототипа в полноценный аппаратный комплекс. Все эти исследования проводятся на базе научно-инновационной лаборатории интеллектуальных систем. Уже сейчас её технологии востребованы на рынке.

Лабораторные комплексы для съёмки и обработки растений уже готовы. Теперь задача — создать аналогичные решения для работы в поле. Приступить к реализации проекта планируется уже в этом году.

Ксения Мирокиянц