ТОМСК, 18 июн – РИА Томск. Научный коллектив Томского госуниверситета (ТГУ) составляет систему маркеров, которая поможет нейросети
делать более качественный цифровой анализ сельскохозяйственных полей;
результатом применения разработки должно стать повышение урожайности, сообщила
в четверг пресс-служба вуза.
Уточняется, что в проекте участвуют
почвоведы, физики и метеорологи ТГУ – они разрабатывают систему-библиотеку
маркеров для использования в точном земледелии. Согласно открытым источникам, точное земледелие – комплексная система сельскохозяйственного
менеджмента, включающая в себя географические информационные системы,
технологии оценки урожайности, "интернет вещей" и так далее.
Исследовать поле вдоль и поперек
"Основным источником информации
(для проекта ТГУ) выступают данные дистанционного зондирования Земли – космоснимки,
на которых исследователи выделяют визуальные характеристики, свойственные тем
или иным показателям почвы. Библиотека собранных данных станет основой для
обучения компьютерной модели, которая будет проводить цифровой анализ полей и
поможет повысить на них урожайность", – говорится в сообщении.
© РИА Томск. Павел Стефанский
Полевые работы
Отмечается, что физико-химические
показатели почвы – это один из главных параметров, от которых зависит состояние
посевов, динамика их роста и в конечном итоге объем урожая, а значит,
производительность и прибыль сельскохозяйственных компаний.
Методики анализа, которые используются
сегодня, не позволяют получать детальную информацию по всей площади поля,
поскольку, согласно ГОСТу, его делят на большие участки – 10 гектаров, откуда
берут пробы для анализа. В итоге получают усредненные данные.
Подход, разрабатываемый в ТГУ, позволит
получать целостную картину по всему полю независимо от его масштабов. В основе
нового метода лежит анализ спектральной оптической отражаемости и почвенных
индексов.
"Коэффициент отражаемости дает
информацию о количестве гумуса в почве, ее гранулометрическом составе, степени
влажности и других агрофизических показателях. Информация с привязкой к
координатам позволяет выделить проблемные участки поля, например, где почва
имеет повышенную кислотность либо недостаточное содержание азота", – говорится в сообщении.
© с сайта ТГУ
Измерение показателей почвы специалистами ТГУ
Библиотека полезных данных
Как отмечает пресс-служба, на этапе
создания библиотеки маркеров будет идти активная полевая работа. Выезды в поле
необходимы ученым для того, чтобы определить, соответствует ли идентификация по
космоснимкам реальной действительности.
"Когда библиотека данных получит
достаточное наполнение, проектная группа перейдет к машинному обучению
компьютерной модели. Искусственный интеллект на основе имеющегося материала
будет учиться вычленять специфические визуальные характеристики,
свидетельствующие о недостатке тех или иных элементов, о состоянии почвы на
каждом отдельном участке", – говорится в сообщении.
Добавляется, что, поскольку все участки
имеют привязку к системе координат, итоговый результат анализа, проведенного
нейросетью, покажет "слабые" места с такой привязкой.
© с сайта ТГУ
Специалисты ТГУ работают над созданием системы маркеров для использования в точном земледелии
"Эту картинку можно загружать в
беспилотную сельхозтехнику и использовать, к примеру, для точечного внесения
удобрений. Что экономически и экологически более выгодно, нежели посыпать
удобрением все поле, как это нередко делается сейчас", – цитируется в
сообщении руководитель проекта Олег Мерзляков.
Ученые рассчитывают, что данные,
полученные с помощью нового подхода, могут иметь и другую точку приложения.
Например, для анализа участков, с которых собрано меньше урожая.
"Если наложить цифровую картинку,
полученную после анализа, проведенного искусственным интеллектом, можно
определить причины низкой урожайности и подобрать варианты решения этой проблемы", – говорится в сообщении.
По информации пресс-службы, проектом
заинтересовалась компания Cognitive Technologies – разработчик систем
управления для беспилотной сельхозтехники. В настоящее время ученые и
производители обсуждают механизмы испытания и внедрения технологии в
производство.
© РИА Томск. Павел Стефанский
Рожь