Используя сочетание дронов и методов машинного обучения, исследователи из Университета штата Огайо недавно разработали новый метод определения состояния сельскохозяйственных культур и использовали его для создания нового инструмента, который может помочь будущим фермерам.

В исследовании, опубликованном в журнале "Компьютеры и электроника в сельском хозяйстве", изучается использование нейронных сетей для определения дефолиации сельскохозяйственных культур, или повсеместной потери листьев на растении. Это разрушение может быть вызвано болезнью, стрессом, пасущимися животными, а чаще всего - нашествием насекомых и других вредителей.

Если не принять меры, то могут пострадать целые поля, что резко снизит сельскохозяйственную продуктивность всего региона. Для борьбы с этой проблемой исследователи решили проанализировать товарную культуру, считающуюся одним из четырех основных продуктов мирового сельского хозяйства: соевые бобы.

В период с августа по сентябрь 2020 года Зичен Чжан, ведущий автор исследования и аспирант факультета компьютерных наук и инженерии штата Огайо, использовал беспилотный летательный аппарат (БПЛА), или дрон, для аэрофотосъемки пяти соевых полей в Огайо. После обрезки каждого снимка с БПЛА на более мелкие изображения, команда в итоге получила более 97 000 фотографий, которые можно было обозначить как здоровые или дефолиантные.

"Соя - один из самых важных сельскохозяйственных продуктов в США, будь то экспорт или дальнейшее производство продуктов питания", - сказал он. По данным Министерства сельского хозяйства США, Соединенные Штаты являются ведущим мировым производителем сои и вторым ведущим экспортером. Однако отечественные фермеры не успевают удовлетворять спрос: в прошлом году, по прогнозам, необходимо было засеять более 90 миллионов акров соевых бобов, чтобы удовлетворить потребности потребителей.

Поскольку соя является важным источником масла, пищи и белка во многих регионах мира, потенциальное снижение производства сои в США может иметь серьезные последствия. Но исследование Чжана, одно из первых, в котором используются неинвазивные технологии для определения состояния крупномасштабных культур, может помочь оценить вероятность падения производства из-за дефолиации.

"Дефолиация сои - это очень типичная проблема, но мы можем ее решить", - сказал Чжан.Кристофер Стюарт

Просеяв вручную собранные изображения, исследователи обнаружили, что около 67 000 из них можно назвать здоровыми, в то время как почти 30 000 имеют различные признаки дефолиации - соотношение более чем 2 к 1. Затем они использовали этот набор данных для сравнения способности нескольких алгоритмов обучения правильно определять, какие культуры подверглись дефолиации, и избегать неверных предположений о здоровых посевах сои. 

Но после того, как исследователи пришли к выводу, что ни один из классификаторов не может предложить точность, которой они хотели достичь, они решили создать свой собственный инструмент глубокого обучения с нуля. Этот конечный продукт называется Defonet - нейронная сеть, способная исследовать и правильно отвечать на первоначальные запросы исследования о дефолиации. "Эта новая архитектура специально разработана для этой рабочей нагрузки", - сказал Чжан. "Она обладает лучшими характеристиками по сравнению с имеющимися в настоящее время инструментами по точности, точности и эффективности". 

По словам соавтора исследования Кристофера Стюарта, доцента кафедры информатики и инженерии, если Defonet будет использоваться в полевых условиях, это может изменить процесс принятия решений в сельскохозяйственной отрасли в связи с серьезными потерями урожая.

"В ближайшие годы нам придется значительно увеличить производство продовольствия, чтобы просто удовлетворить спрос", - сказал Стюарт. "Идея цифрового сельского хозяйства заключается в использовании информатики и других технологий для обеспечения максимально эффективного выращивания каждого посаженного семени".

Соавторами исследования также стали Сами Ханал, доцент кафедры пищевой, сельскохозяйственной и биомедицинской инженерии, Эми Рауденбуш, научный сотрудник кафедры энтомологии, и Келли Тилмон, доцент кафедры энтомологии. Это исследование было поддержано Национальным научным фондом.