В ТГУ нейросеть научилась определять типы почв и давать советы агрономам

Использование цифровых технологий в земледелии открывает всё больше возможностей для сельхозпроизводителей. Инструменты точного земледелия особенно важны в Сибири и на других территориях, которые являются зоной рискованного земледелия. Снизить потери и повысить урожайность сельхозкульутр поможет использование нейросети. Биологи Томского государственного университета вместе с партнёром – ИТ-компанией "Синкретис" научили ИИ анализировать плодородность полей и состояние посевов по космоснимкам. Новый инструмент будет доступен агрономам РФ, развивающим технологии точного земледелия. "Над проектом работает междисциплинарная группа, в состав которой входят почвоведы, радиофизики, метеорологи, ИТ-специалисты и другие специалисты. Наш партнёр – провайдер ИТ-услуг и разработчик инновационных программных продуктов и сервисов "Синкретис" при участии инженера кафедры метеорологии и климатологии ГГФ ТГУ Владислава Чурсина создала нейросеть для автоматизированного мониторинга состояния полей на основе анализа космоснимков. Чтобы ИИ мог распознавать разные типы почв, нужно было разработать систему биомаркеров, считывая которые, нейросеть сможет определить все важнейшие функциональные особенности того или иного участка поля", – рассказывает доцент кафедры почвоведения и экологии почв БИ ТГУ Олег Мерзляков. На создание библиотеки данных у учёных ушло два года. Исследования проводились в том числе в рамках стратпроекта ТГУ "Глобальные изменения Земли: климат, экология, качество жизни", поддержанного программой "Приоритет 2030". С помощью датчиков, разработанных радиофизиками ТГУ, анализировались показатели почвы (влажность, температура) и приземного воздуха. Помимо этого почвоведы проводили обследование полей, отбирали и анализировали пробы почвы в разных климатических зонах (сухих, например, в Хакасии и влажных – в Томской области), выявляли закономерности между отражающей способностью почв и посевов и их изображения на космоснимках. Сотрудники компании "Сикнретис" и Томского государственного университета провели машинной обучение нейросети с использованием библиотеки данных. В настоящее время компьютерная модель умеет определять участки неоднородности на полях, определять по космоснимкам уровень плодородия (в частности, определять концентрацию гумуса), делать выводы о возможных повреждениях посевов и того, чем они вызваны (заморозки, засуха, вредители, болезнь), предлагать рекомендации по решению проблемы. "К примеру, если повреждение вызвано вредителем, нейросеть очерчивает проблемную зону, – поясняет Олег Мерзляков. – Далее к решению задачи подключаются специалисты ФИТ ТГУ и дроны, для которых они разрабатывают интеллектуальные надстройки. На первом этапе беспилотники проводят дообследование местности, на втором – точечную обработку участка нужным препаратом. Точно так же решается проблема с нехваткой микро и макроэлементов. Обычно нет необходимости в обработке всего поля. Нейросеть определяет локацию и дефицит элементов, беспилотники проводят локальную обработку, что экономит средства сельхозпроизводителя. В настоящее время разработчики определяют, на какой платформе будет размещён новый цифровой сервис. В качестве услуги он будет доступен российским агрономам, работающим с инструментами и технологиями точного земледелия. Вместе с тем учёные ТГУ разрабатывают программу ДПО "Цифровой агроном" для специалистов, которые имеют базовое профильное образование, но хотят освоить применение цифровых технологий в земледелии (куратор программы: доцент кафедры метеорологии и климатологии ГГФ ТГУ Ирина Кужевская). Тестирование системы автоматического мониторинга состояния полей будет проводиться в 2023 году на полях промышленного партнёра в Новосибирской области в рамках проекта стратпроекта ТГУ "Инженерная биология" при поддержке программы "Приоритет 2030". Ссылка на источник