В полевых условиях системы компьютерного зрения часто пасуют перед тенями и неоднородным фоном. Чтобы решить эту задачу, авторы проекта применили метод аугментации данных: модель обучали на изображениях с искусственно добавленными признаками поражений. Дополнительный акцент на анализе «зелености» позволяет нейросети игнорировать визуальный шум и фокусироваться на критических деталях — пятнах и изменении структуры прожилок.
ИИ-алгоритм из МИСИС научился лечить растения по фото
Исследователи НИТУ МИСИС представили нейросетевую модель HiP²-Net, способную диагностировать патологии сельскохозяйственных культур по снимкам листьев. Разработка успешно преодолевает главную проблему полевой съемки — низкое качество изображений из-за сложного освещения, бликов и посторонних деталей, повышая точность распознавания заболеваний с 87,5% до 93% и выше.
По словам ректора НИТУ МИСИС Алевтины Черниковой, технология послужит фундаментом для мобильных сервисов фермеров. Елена Ляпунцова, профессор кафедры автоматизированного проектирования и дизайна, подтверждает, что алгоритм обучен реагировать именно на маркеры болезней, что делает его надежным инструментом для систем цифрового земледелия. В планах команды — масштабирование базы данных, чтобы охватить большее количество видов культур и типов заболеваний.
Комментарии (0)
Пока нет комментариев. Будьте первым!