Сотрудники Исследовательского центра в сфере искусственного интеллекта Новосибирского государственного университета (Центра ИИ НГУ) приступили к полевым испытаниям системы, которая позволяет с помощью беспилотника обнаруживать и точно локализовать очаги заражения картофельных полей колорадским жуком. Разработка ведется по заказу крупной аграрной компании «Дары Ордынска» и должна помочь переходить от сплошной химической обработки полей к точечному, более экологичному и экономичному контролю вредителя.
Сегодня агрономы часто просто обходят поле по диагонали и осматривают растения на выборочных маршрутах. Это позволяет оценить общую ситуацию, но не гарантирует, что очаги размножения жука будут замечены на ранней стадии и точно локализованы.
— В результате обработка проводится по всему полю, хотя реальные участки заражения могут занимать ограниченные участки. Если их точно определить, можно его локально обработать и не заливать химией всё поле, — объяснил инженер Центра ИИ НГУ Максим Магеров.
Проект «Колорад‑детектор» — самостоятельная разработка, но опирается на полученные ранее компетенции сотрудников центра в области бортовой обработки данных с беспилотных летательных аппаратов.
В частности, команда Центра работала над системой поиска людей с использованием БПЛА, где нейронные сети анализировали видеопоток прямо на борту, а на землю поступала уже обработанная информация. В новом проекте этот подход адаптирован к задачам агросектора: на базе существующего коптера разработан специальный модуль из четырех камер, расположенных веерно, чтобы с небольшой высоты захватывать максимально широкую полосу картофельных посадок за один проход.
Летает дрон на высоте порядка 3–4 метров над кустами, сейчас команда подбирает оптимальное расстояние. На борту установлен одноплатный компьютер повышенной мощности, который получает изображения с камер, анализирует их с помощью алгоритмов машинного зрения и детектирует взрослых особей колорадского жука.
Особенность системы в том, что она не ориентируется на поврежденные листья, а ищет непосредственно самих насекомых. На ранних стадиях жуки уже присутствуют на растениях, но заметных следов питания пока нет — по словам разработчика, если ориентироваться на дефолиацию, будет упущено время.
— Личинки с воздуха увидеть сложнее, поскольку они часто находятся под листьями, и текущая версия алгоритма на них не обучена. Зато взрослые жуки, сидящие на верхней части растений, могут быть обнаружены поштучно, — уточнил Максим Магеров.
После обработки изображений на борту результаты передаются по цифровому каналу на наземную станцию. У агронома на ноутбуке открывается веб‑приложение с картой поля, на которой отмечены точки обнаружения жуков. Это позволяет принять решение о локальной обработке конкретных участков, снизить расход инсектицидов и уменьшить нагрузку на окружающую среду. Такая схема вписывается в мировой тренд точного земледелия, где дроны и нейросети используются для мониторинга вредителей, болезней и состояния посевов.
Сейчас система находится на стадии активных полевых испытаний: разработчики регулярно выезжают на реальные поля, корректируют параметры съемки, собирают новые данные и тестируют алгоритмы в боевых условиях.
Ключевой задачей ближайшего периода является расширение обучающей выборки. До сих пор нейросеть обучалась преимущественно на синтетических изображениях жука, а реальных кадров было мало.
— Сейчас проводятся полевые испытания, где мы не только подбираем оптимальные параметры работы, например, высоту полета, но и накапливаем изображения, полученные в реальных условиях, по которым сможем дообучить нейросеть, — рассказал разработчик.
Это необходимо, чтобы модель надежно различала жука в разнообразных условиях: при разном освещении, на разных фазах роста картофеля, вариантах фона и ракурса. Мировые исследования показывают, что использование синтетических данных может существенно повысить качество детекторов, но полноценная работа на практике требует сочетания искусственных и реальных выборок.
По планам команды, нынешний сезон будет посвящен отладке аппаратного комплекса, сбору данных и повышению точности моделей. Осенью и зимой разработчики рассчитывают провести доработку технологии, юридическое оформление прав на нее и подготовку к масштабированию решения.
В дальнейшем «Колорад‑детектор» планируется предложить и другим аграрным производителям. Первым заказчиком останется «Дары Ордынска», но разработчики рассчитывают, что к этой технологии проявят интерес и другие хозяйства, стремящиеся снизить расходы на химзащиту и перейти к более точному контролю вредителей.
В более широком контексте проект показывают, как компетенции в области искусственного интеллекта и бортовой обработки данных на беспилотниках могут переходить из задач спасения людей и мониторинга территорий в прикладные проекты для сельского хозяйства и задач управления элементами городской инфраструктуры, над которыми работают другие команды разработчиков Центра ИИ НГУ.
