Новосибирские биоинформатики представили на международной конференции нейросеть, способную на ранней стадии выявлять заболевания зерновых, сохраняя тем самым урожай.
Заболеваниям злаков, которые вызываются патогенными грибами, подвержены многие культуры. И часто эти болезни существенно снижают урожайность растений. С такими болезнями трудно бороться, поскольку площадь поражения быстро разрастается. Поэтому одним из актуальных подходов является мониторинг посевов, который помогает на ранней стадии идентифицировать заболевание, принять меры к его нераспространению.
Высокую эффективность в этой области показали методы идентификации заболевания на основе анализа цифровых изображений, которые возможно получить в полевых условиях с помощью мобильных устройств. Именно в этом направлении и работают ученые Института цитологии и генетики СО РАН.
На конференции они представили метод распознавания пяти грибных заболеваний побегов пшеницы, как по отдельности, так и в комплексе, с одновременной возможностью идентификации стадии развития растений.
«Мы сформировали набор из более, чем двух тысяч изображений пшеницы, для которых была выполнена экспертная разметка по типу поражения. А затем использовали несколько типов нейросетей для их распознавания и анализа», – рассказал старший научный сотрудник ИЦиГ СО РАН, к.б.н. Михаил Генаев.
Наилучшую точность (0.942) показала сеть со стратегией обучения, основанной на аугментации и переносе стилей изображений. Этот метод распознавания реализован исследователями в качестве бота @wheat_healthy_bot на платформе Telegram, который позволяет проводить оценку растений поражениями в полевых условиях.
Как отмечают ученые, разные грибковые заболевания на ранних стадиях (когда их вспышку проще всего подавить) имеют схожие симптомы, но могут сильно различаться по масштабу урона для урожая. Поэтому очень важна точная идентификация патогена, поразившего посадки. Раньше это мог сделать только опытный фитопатолог, причем, как правило, побывав на месте очага заболевания, что далеко не всегда возможно. Теперь же, с помощью бота, с этой задачей сможет справиться любой агроном и даже студент-практикант.
Другое ноу-хау новосибирских исследователей заключается в том, что созданный ими бот одновременно оценивает стадию развития пораженного растения (молодое оно или уже взрослое), что также важно для выработки оптимальной стратегии борьбы с патогенами.
«Использование нейросетей для мониторинга заболеваний растений – это новый тренд, пока делаются первые шаги в этом направлении и обычно речь идет о тепличных хозяйствах. Мы же создавали продукт для работы в полевых условиях, где условия освещенности и, соответственно, полученные фотографии, могут сильно отличаться. Научить программу работать с ними было само по себе непростой задачей», – отметил Михаил Генаев.
Авторы работы благодарят за предоставленные данные для обучения модели и помощь с их разметкой своих коллег – Нину Бехтольд, Елену Орлову, Екатерину Сколотневу (Институт цитологии и генетики СО РАН) и Елену Гультяеву (ВНИИ защиты растений, Санкт-Петербург).
Пока работа находится в стадии рецензирования и бот получил известность в академической среде, но его создатели уверены, что он заинтересует и сельхозпроизводителей, поскольку является простым и эффективным инструментом в борьбе с грибковыми заболеваниями. К тому же программа будет размещена в свободном доступе для всех желающих.
Сами ученые планируют и дальше работать в этом направлении, тем более, что здесь есть почва для международного научного сотрудничества: на разработчиков бота вышли их коллеги из Австралии и предложили объединить усилия.
Источник: bionet.nsc.ru
