
Урожайный код: нейросеть распознает болезни растений по фото

Ученые из Объединенного института ядерных исследований (ОИЯИ) разработали платформу, которая позволяет определять болезни домашних и сельскохозяйственных растений по фотографии. Как утверждают разработчики, им удалось достичь точности выявления заболевания, поразившего огурцы, томаты, розы, виноград или вишню, в 98%. Сервис уже совместим с приложением для смартфона на базе Android. В будущем он станет доступен и на ОС iOS. Как говорят специалисты, такая программа может быть крайне востребована, так как позволит ускорить получение урожая, уточнять и диагностировать патологии растений. Однако ее создателям еще стоит поработать над точностью и доступностью решения.
Агроном в телефоне
Сотрудники Лаборатории информационных технологий ОИЯИ разработали онлайн-платформу для определения болезней домашних и сельскохозяйственных растений. Для решения задачи были использованы сверточные нейронные сети, повсеместно применяемые для классификации изображений.
Обрабатывая запрос пользователя, алгоритм сначала использует общую модель по болезням и вредителям, затем нейросеть определяет вид растения. При определенных условиях пользователь получит еще и частный прогноз.
— При выдаче результата показываются три наиболее близких к загруженному изображению класса. В большинстве случаев всё это позволяет правильно определить болезнь и получить рекомендации по ее лечению, — сообщил соавтор исследования, ведущий программист лаборатории Александр Ужинский.
Сейчас на сайте есть модели для 19 сельскохозяйственных и декоративных культур: барбариса, винограда, вишни, голубики, клубники, кукурузы, огурцов, перца, пшеницы, смородины, томатов, хлопка, яблок, орхидей, роз и так далее. Общая модель для всех видов растений распознает 55 различных болезней и вредителей.
По оценкам Продовольственной и сельскохозяйственной организации ООН, до трети урожая в мире ежегодно погибает от вредителей и болезней, поэтому автоматизацией распознавания недугов растений сейчас занимаются во всем мире. В 2017 году группа научных сотрудников Лаборатории информационных технологий ОИЯИ выиграла грант Российского фонда фундаментальных исследований на разработку комплексной системы диагностирования болезней растений по изображениям и текстовому описанию.
Ранее статья Александра Ужинского о создании платформы для распознавания болезней растений вышла в журнале «Открытые системы. СУБД».
Приложение для роста
В базе собрано свыше 4 тыс. изображений. Уже получено более 40 тыс. запросов от пользователей. Использовать интерфейс платформы могут все, начиная от агрохолдингов и заканчивая начинающими садоводами, для которых немаловажной будет особенность программы — рекомендации по лечению растений, верифицированные профессиональными агрономами.
— Пользователи должны иметь разные инструменты взаимодействия с платформой. Задачи распознавания могут быть запущены через веб-портал, но основной точкой входа пользователей стало мобильное приложение DoctorP для операционной системы Android, — рассказал Александр Ужинский.
С момента запуска приложения им воспользовались более 10 тыс. человек. Сейчас разрабатывается приложение и для ОС iOS. При определении болезней растений удалось добиться точности в 98%, подчеркнули разработчики.
Авторы разработали программный интерфейс, который предоставляет стороннему пользователю возможность использовать ресурсы платформы, например, в своем мобильном приложении. Так копания «Гарден ритейл Сервис» (ранее «Фаско») встроила в свое мобильное приложение HoGa возможность определять болезни. В рамках совместного проекта с НЦМУ «Агротехнологии будущего» на базе Тимирязевской академии нейросетевые модели портала использовались для отслеживания влияния освещения на развитие растений, что позволяло подбирать оптимальные схемы выращивания сельскохозяйственных культур.
В целом идея компьютерного зрения и распознавания образов не нова и востребована в сельском хозяйстве, в сфере так называемого точного земледелия, рассказал «Известиям» доцент кафедры экспериментальной биологии и биотехнологий УрФУ Александр Ермошин.
— Для профессиональных биологов, для ученых, занимающихся исследованиями растений, такое приложение не представляет серьезной необходимости. Однако для аграриев такое приложение может быть крайне востребовано, так как позволит ускорить получение урожая, уточнять и диагностировать патологии растений. Для практиков также полезны приложения или навыки искусственного интеллекта, которые определяли бы не только болезни растений, но и дефицит элементов минерального питания, так называемая листовая диагностика, — отметил Александр Ермошин.
Ценность разработки, в первую очередь, состоит в том, что она позволяет собрать большую базу визуальных данных, однако подобных решений на рынке довольно много, считает руководитель молодежной IT-лаборатории VibeLab СПбГЭТУ «ЛЭТИ» Георгий Ефименко.
— Точность данного решения вызывает сомнения, поскольку условия использования мобильного приложения могут очень сильно отличаться: даже камеры у всех мобильных телефонов разные. Ограничения заключаются в доступности и количестве данных для обучения. В дальнейшем для расширения пользовательской аудитории приложения разработчикам стоит сделать его более универсальным. То есть как можно скорее выпустить версию, которая сможет работать не только на платформе Android, но и на других широко распространенных операционных системах для смартфонов и других гаджетов, — сказал он.
По словам эксперта, приложение выглядит удобным и простым в использовании. При увеличении точности необходимо убедиться, что скорость обработки оставалась на том же уровне.
Платформа продолжает развиваться. База данных пополняется снимками пользователей и тем самым улучшает точность моделей. Летом на нее в основном попадают изображения сельскохозяйственных культур: огурцов, помидоров, клубники и других, зимой — по большей части фотографии комнатных растений. В перспективе в платформу будут добавлены возможности обработки видеопотока, модели для определения нехватки основных элементов (азот, фосфор, кальций, железо и так далее), а также средства формирования рекомендаций по выращиванию и отслеживанию развития наиболее востребованных сельскохозяйственных культур.