Как нейросети помогают узнать, сколько удобрений нужно вносить в почву

Санкт-Петербургский университетHi-Tech

Нейросети-растениеводы

Урожайность растений можно повысить с помощью удобрений. Сколько полезных веществ для этого нужно внести в почву, помогут узнать нейросети.

Автор: Евгения Орлова

Freepik

Ученые Санкт-Петербургского университета и Агрофизического научно-исследовательского института (АФИ) научили искусственный интеллект по фотографиям с полей определять, какие участки удобрены недостаточно, а где, наоборот, присутствует избыток питательных элементов.

Зеленый цвет в норме?

Исследования, посвященные применению математических методов в растениеводстве, специалисты СПбГУ и АФИ ведут уже более 50 лет. В рамках одной из последних работ ученые решили выяснить, можно ли улучшить мониторинг сельскохозяйственных земель Северо-Западного региона с помощью внедрения нейросетевых технологий. Научный коллектив выбрал десять нейросетей и проверил их эффективность в отслеживании азотного статуса растений, то есть уровня содержания в них азота.

«Мы сосредоточились на этой задаче, поскольку азот играет ключевую роль в процессе роста и развития сельскохозяйственных культур. Недостаток этого элемента вызывает у растений стресс, приводит к уменьшению урожайности и снижению качества продукции. Аналогичные последствия наблюдаются и при избытке азота», — объясняет Иван Станиславович Блеканов, доцент СПбГУ, заведующий кафедрой технологии программирования.

По словам исследователя, изменение азотного статуса сказывается и на внешнем виде сельскохозяйственных культур. Азот участвует в образовании хлорофилла — пигмента, который придает растениям зеленый цвет. Поэтому если у них начинается азотное голодание, то окраска листьев становится бледно-зеленой, позже желтой, а впоследствии бурой. Вместе с этим листва становится мелкой и узкой. При избытке азота листья растений темнеют, а их края постепенно становятся коричневыми из-за некроза тканей. Затем листовые пластинки скручиваются, вянут и опадают.

Ценные культуры

Ученые СПбГУ и АФИ учили нейросети определять баланс и дисбаланс азота в растениях как раз по изменению их цвета. Для этого исследователи в 2020–2021 годах вели фотосъемку двух сельскохозяйственных полей Агрофизического научно-исследовательского института, расположенных в Гатчинском районе Ленинградской области. Для проведения работ были выбраны земли с зерновыми культурами.

«Наша группа остановилась на зерновых неспроста, — отмечает Иван Блеканов. — Во-первых, они входят в число наиболее важных для обеспечения продуктовой безопасности России культур. Во-вторых, по данным Food and Agriculture Organization, по экспорту зерновых Российская Федерация является мировым лидером, и важно сохранять этот статус, следовательно, необходимо следить за хорошим состоянием растений, в том числе за их азотным питанием».

Данные об азотном статусе культур на полях Ленобласти исследователи получали с помощью беспилотных летательных аппаратов. БПЛА позволили научной группе вести фотографирование в разных погодных условиях, в том числе при высокой облачности, и оперативно получать высокоточные снимки большого разрешения, чего не удалось бы добиться при использовании спутников.

Увидеть скрытое

В результате исследователи получили более 20 тысяч мультиспектральных изображений — многослойных снимков, каждый слой которых представляет объекты в определенном спектральном диапазоне: зеленом, синем, красном, ближнем инфракрасном и дальнем красном. Такие фотографии позволяют установить не только видимые особенности растений, но и присущие им характеристики, проявляющиеся в невидимом невооруженным глазом спектре.

Пятислойные изображения ученые далее объединили в ортофотопланы — фотографические планы местности, на которых все объекты имеют точную привязку к системе координат. На получившиеся карты исследователи добавили слой с информацией о тестовых площадках — участках полей, на которые аграрии ранее внесли точно известные объемы азота: 0, 40, 80, 120, 160 и 200 килограммов на гектар. Это было необходимо, чтобы нейросеть могла понять и запомнить, как меняется внешний вид зерновых культур при разном уровне содержания азотсодержащих удобрений — от нулевого до избыточного. Спектральные характеристики растений с тестовых площадок ученые обозначили для искусственного интеллекта как эталонные.

Но для корректного обучения нейросетей информации об участках-эталонах оказалось недостаточно. Требовалось больше изображений с известными параметрами азотного питания. Чтобы вручную проанализировать состояние полей и посадок на них, понадобилось бы много времени и финансовых вложений, поскольку общая площадь изучаемых территорий составляла более 50 гектаров. Поэтому исследователи решили на основе ортофотопланов и данных с тестовых площадок искусственно генерировать для изучаемой местности дополнительный набор из 15 тысяч изображений. «Для их создания мы разработали специальные алгоритмы. Этот подход позволил сымитировать разброс данных, приближенный к реальному распределению агроэкологических показателей по всей обследуемой территории», — объясняет Иван Блеканов.

В помощь аграриям

Завершив формирование обучающей выборки, исследователи приступили к обучению выбранных нейросетевых моделей. В ходе этой работы ученые экспериментировали с количеством загружаемых в нейросети за один подход изображений, а также с числом и комбинациями их слоев. Так научный коллектив выяснил, при каких параметрах повышается качество обучения искусственного интеллекта.

Из десяти выбранных для исследования нейросетей пять показали хорошие результаты. В оценочных тестах им удавалось с высоким процентом точности определить, каков уровень содержания азота в зерновых, представленных на предложенных снимках. «Среди всех нейросетевых моделей более устойчивой и надежной для работы с разными видами культур оказалась нейронная сеть Attention R2U-Net (t2) — ее точность составила 97,59–99,96 %», — рассказывает Иван Блеканов.

Исследование ученых показало, что съемка беспилотными летательными аппаратами в сочетании с использованием нейронных сетей — действенный метод для мониторинга азотного статуса зерновых культур. К тому же он позволяет снизить стоимость и повысить оперативность мониторинга сельскохозяйственных земель за счет автоматизации процесса.

По словам Ивана Блеканова, обученная научным коллективом нейросеть даст аграриям возможность в онлайн-режиме, в сжатые сроки и без дополнительных трудозатрат узнавать о недостатке или переизбытке удобрений на различных участках полей. На основе этих данных искусственный интеллект также сможет формировать карты-задания с указанием индивидуальных норм внесения питательных веществ для каждого отрезка земли. Этот файл можно будет загружать в бортовой компьютер сельскохозяйственной техники, которая по созданному нейросетью плану выполнит уход за зерновыми культурами.

Разработка ученых СПбГУ и АФИ дополнительно сделает выращивание растений более экологичным, потому что аграрии смогут предотвращать излишнее попадание агрохимикатов в окружающую среду. Это также поможет предприятиям устранить проблему перерасхода удобрений, а значит, сэкономит средства на их закупку.

С помощью разработки ученых СПбГУ и АФИ аграрии смогут оперативно формировать для сельскохозяйственной техники карты-задания с указанием норм удобрения растений на разных участках земли. Freepik

Улучшенная модель

В настоящее время научный коллектив совершенствует разработку для успешного внедрения в практику. «На данном этапе наша команда приступает к тестированию нейросетей уже не на искусственно сгенерированных, а на реальных данных, — говорит Ольга Александровна Митрофанова, доцент СПбГУ (кафедра технологии программирования). — Их сбор проводился в 2023 году на одном из полей с пшеницей биополигона АФИ. Там мы, как и ранее, заложили тестовые участки с известным азотным статусом растений и предусмотрели 100 геопривязанных точек для отбора проб по всей площади поля. Научный коллектив собирал в этих точках образцы почвы и растений на разных фазах их развития — от образования надземных побегов до созревания. Дополнительно мы измеряли уровень содержания азота с помощью специальных приборов, например N-тестера».

Данные, которые ученые получат после анализа собранных материалов в агрохимической лаборатории, будут нанесены на новые ортофотопланы и предоставлены нейросетям для обработки. Это позволит исследователям убедиться в надежности созданных ими нейросетевых методов перед выводом разработки на рынок.

В дальнейшем научный коллектив планирует научить нейросети определять не только азотный статус растений, но и другие агроэкологические параметры, например водный стресс и количество сорняков на полях. Также исследователи намерены расширить количество культур, с которыми могут работать нейросетевые модели, и сделать возможным применение метода для разных регионов и климатических условий.

В сельском хозяйстве сбор данных с помощью беспилотных летательных аппаратов сегодня также используется для обнаружения сорняков и болезней растений, прогнозирования урожайности.

«Мы уже получили для тестирования данные по зерновым культурам от коллег из Федерального научного центра риса в Краснодарском крае. А с начала 2023 года стали сотрудничать с Харбинским политехническим институтом в Китае. Планируем проверить применимость наших нейросетевых методов для их территорий, в том числе для зон рискованного земледелия — тех, где ведение сельского хозяйства затруднено из-за особенностей климата», — отмечает Иван Блеканов.

По его словам, нейросетевая модель, прошедшая дополнительное обучение, затем будет подключена к масштабной единой геоинформационной веб-системе, которую параллельно разрабатывает научный коллектив. С помощью сервиса пользователи смогут получать для сельскохозяйственной техники готовые карты-задания на разные аграрные операции. Для этого потребуется лишь загрузить данные, которые сможет проанализировать искусственный интеллект, например аэрофото или спутниковые снимки, и сделать запрос на проведение желаемого анализа.

Freepik

Авторы исследования:

Иван Станиславович Блеканов, кандидат технических наук, доцент СПбГУ, заведующий кафедрой технологии программирования, руководитель образовательной программы магистратуры СПбГУ «Технологии искусственного интеллекта и Big Data», руководитель IT-клиники Университета;

Александр Евгеньевич Молин, аспирант СПбГУ (программа «Математическая кибернетика»);

Евгений Павлович Митрофанов, кандидат технических наук, доцент СПбГУ (кафедра технологии программирования), младший научный сотрудник Агрофизического научно-исследовательского института;

Ольга Александровна Митрофанова, кандидат технических наук, доцент СПбГУ (кафедра технологии программирования);

Чжан Дачжи, профессор Харбинского политехнического университета (факультет математики);

Ли Инь, доцент Харбинского политехнического университета (факультет математики).

При нормальном азотном питании

У растений повышается синтез белков, ускоряется рост и частично замедляется старение. Культуры образуют мощные стебли и листья с интенсивно зеленой окраской, что приводит к увеличению урожайности.

При этом качество урожая зависит от формы азота, поступающего в растения. Так, при аммиачном питании повышается восстановительная способность растительной клетки, образуется больше восстановленных органических соединений, например эфирных масел в перечной мяте. При нитратном питании, наоборот, преобладает окислительная способность клеточного сока, больше образуется органических кислот, в частности лимонной кислоты в махорке.

Источник: А. А. Корчагин, М. А. Мазиров, Н. А. Комарова. Система удобрений: учебное пособие. 2018 год

Подробнее об исследовании ученых СПбГУ можно прочитать в статье Monitoring of grain crops nitrogen status from uav multispectral images coupled with deep learning approaches, опубликованной в журнале Computers and Electronics in Agriculture.

Хочешь стать одним из более 100 000 пользователей, кто регулярно использует kiozk для получения новых знаний?
Не упусти главного с нашим telegram-каналом: https://kiozk.ru/s/voyrl

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Род проклятых Род проклятых

Все родные великого полководца умерли насильственной смертью

Дилетант
Материальный и ментальный минимализм: 3 способа избавиться от лишнего в доме и голове Материальный и ментальный минимализм: 3 способа избавиться от лишнего в доме и голове

Как отказ от лишнего в ментальной и материальной сферах улучшит вашу жизнь?

Psychologies
Ступичный подшипник: что это, где находится и как понять, что пора менять Ступичный подшипник: что это, где находится и как понять, что пора менять

Все про ступичный подшипник: где находится, для чего нужен, симптомы

РБК
Траектория невозврата Траектория невозврата

Как «Бег» Михаила Булгакова показал необратимость эмиграции

Weekend
Зачем в старых пятиэтажках делали окно между кухней и ванной комнатой Зачем в старых пятиэтажках делали окно между кухней и ванной комнатой

Для чего строили небольшое окно, расположенное между кухней и ванной?

ТехИнсайдер
Заглянуть за горизонт Заглянуть за горизонт

Тувинская музыка, в которой гармонично сочетаются фольклор и современные веяния

Men Today
День апельсиновой битвы и праздник кур: самые необычные торжества разных народов мира День апельсиновой битвы и праздник кур: самые необычные торжества разных народов мира

Удивительные праздники со всех уголков мира

ТехИнсайдер
Meta-Gene 2: программа для автоматизации процесса генетического мета-анализа Meta-Gene 2: программа для автоматизации процесса генетического мета-анализа

Программа, которая облегчает выявление генетических причин тяжелых заболеваний

Наука и техника
Боль клиента: как частные компании заменяют полицию в странах Глобального Юга Боль клиента: как частные компании заменяют полицию в странах Глобального Юга

Могут ли частные охранные компании влиять на глобальную стабильность?

Forbes
Более половины зумеров считают критику в свой адрес на работе знаком личной неприязни Более половины зумеров считают критику в свой адрес на работе знаком личной неприязни

Зумеры воспринимает критику в свой адрес на работе как знак личной неприязни

Forbes
Срединный путь Срединный путь

Бюджетный кроссовер DFSK 500 пока на уровне топ-версий

Автопилот
От малограмотного мальчика до успешного книгоиздателя: история Ивана Сытина От малограмотного мальчика до успешного книгоиздателя: история Ивана Сытина

История Ивана Сытина — крестьянского сына, который стал успешным бизнесменом

ТехИнсайдер
Искусственный отбор: что не так с венчурными фондами в России Искусственный отбор: что не так с венчурными фондами в России

Почему российский венчурный рынок пока существенно отстает от мировых лидеров

Forbes
10 лучших «вечных» советов по уходу за кожей, которые передаются из поколения в поколение 10 лучших «вечных» советов по уходу за кожей, которые передаются из поколения в поколение

Какие бьюти-рекомендации выдержали испытание временем.

VOICE
На этой реке убрали все каналы, защищавшие берег от наводнений. Наводнений стало меньше На этой реке убрали все каналы, защищавшие берег от наводнений. Наводнений стало меньше

Почему рекам возвращают естественные изгибы, омуты и пойменные земли

ТехИнсайдер
Лекарство от дефицита Лекарство от дефицита

Как повышение производительности труда помогает компенсировать нехватку кадров

Деньги
Как подготовить машину к зиме: советы экспертов Как подготовить машину к зиме: советы экспертов

Ценные советы, которые помогут защитить транспорт от зимних катаклизмов

Maxim
10 лучших фильмов ужасов за последние десять лет, которые стоит посмотреть каждому. Выбор читателей «Правил жизни» 10 лучших фильмов ужасов за последние десять лет, которые стоит посмотреть каждому. Выбор читателей «Правил жизни»

От «Реинкарнации» до «Субстанции»: фильмы ужасов, которые стоит посмотреть

Правила жизни
Многозадачность: что это и нужно ли ее развивать Многозадачность: что это и нужно ли ее развивать

Почему многозадачность не всегда полезна?

РБК
Что делать, если новая кожаная сумка пахнет химикатами: 5 советов по борьбе с неприятным ароматом Что делать, если новая кожаная сумка пахнет химикатами: 5 советов по борьбе с неприятным ароматом

Из-за чего появляется запах химикатов и как от него избавиться?

ТехИнсайдер
«Папа умер в субботу»: драма о том, как понять и простить собственную семью «Папа умер в субботу»: драма о том, как понять и простить собственную семью

Как картина «Папа умер в субботу» оказывается пронзительным фильмом о прощении

Forbes
Добро пожаловать в филармонию Добро пожаловать в филармонию

Как пианист Илья Папоян стал фронтменом академической музыкальной сцены

Собака.ru
Держать удар: что такое «экванимити» и как бизнесмены ищут опору в невозмутимости Держать удар: что такое «экванимити» и как бизнесмены ищут опору в невозмутимости

Экванимити — умение сохранять внутреннее спокойствие и гармоничное состояние

Forbes
Инвесторы сделали ставку Инвесторы сделали ставку

Приток капитала идет, но не на все рынки акций

Деньги
«Художник обидеть может каждого!» «Художник обидеть может каждого!»

Разные грани и тайны профессии от режиссера Михаила Цитриняка

Знание – сила
Сергиев Посад: А что вокруг? Сергиев Посад: А что вокруг?

Три города Серебряного, или Малого Золотого, кольца

КАНТРИ Русская азбука
«Режиссер всегда прежде всего режиссер» «Режиссер всегда прежде всего режиссер»

Федор Бондарчук об индустрии кино и о том, как сделать сказку былью

Правила жизни
Так «бомж-пакет» или деликатес? 10 неожиданных фактов о лапше быстрого приготовления Так «бомж-пакет» или деликатес? 10 неожиданных фактов о лапше быстрого приготовления

Чего вы не знали о лапше быстрого приготовления

ТехИнсайдер
Аврора: «Возраст скрывают люди, неуверенные в себе» Аврора: «Возраст скрывают люди, неуверенные в себе»

Телеведущая Аврора о нутрициологии, блефаропластике и роли эндокринолога

Здоровье
«Я хочу построить наследие»: роман о рабыне, которая стала предпринимательницей «Я хочу построить наследие»: роман о рабыне, которая стала предпринимательницей

Отрывок из романа Ванессы Райли «Королева острова»

Forbes
Открыть в приложении