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

Внешняя торговля: друзья и недруги Внешняя торговля: друзья и недруги

Страновая и товарная структура экспорта и импорта стабилизировалась

Монокль
Екатерина Стриженова: «Мы каждый год решаем с мужем: да, живем дальше» Екатерина Стриженова: «Мы каждый год решаем с мужем: да, живем дальше»

Если мужа надо пасти, то зачем он такой мне нужен? Вот я так живу

Караван историй
«Когда Бунина называют “русским Прустом”, мне хочется поправить: это Пруст — французский Бунин» — Андрей Новиков-Ланской о русском писателе и аристократе «Когда Бунина называют “русским Прустом”, мне хочется поправить: это Пруст — французский Бунин» — Андрей Новиков-Ланской о русском писателе и аристократе

Почему Бунин токсично отзывался о современниках

СНОБ
Кирилл Гребенщиков Кирилл Гребенщиков

Кирилл Гребенщиков об особенностях игры в сериале «Наследники. Дар крови»

Лиза
Страшное будущее. Тест-драйв первого в России Tesla Cybertruck Beast Страшное будущее. Тест-драйв первого в России Tesla Cybertruck Beast

Autonews.ru испытал самый мощный Tesla Cybertruck Beast в мире: плюсы и минусы

РБК
Тока этого мало Тока этого мало

Электроэволюция в одной отдельно взятой стране

Автопилот
Станция «Кузнечное» Станция «Кузнечное»

Кузнечное дело во Владимире с инструкцией по выковке гвоздя

КАНТРИ Русская азбука
Не целуйте любимых в уши! Из-за этого можно оглохнуть: вот что говорят эксперты Не целуйте любимых в уши! Из-за этого можно оглохнуть: вот что говорят эксперты

Вот как ваш поцелуй может сказаться на органах слуха любимого человека

ТехИнсайдер
Эпоха гиперсвязности: как защитить IT-активы и не стать жертвой кибератак Эпоха гиперсвязности: как защитить IT-активы и не стать жертвой кибератак

Как эффективные технологии стали опасностью для IT-индустрии

Forbes
Иван Симонов: В искусство надо вкладываться целиком и полностью, а дальше — будь что будет Иван Симонов: В искусство надо вкладываться целиком и полностью, а дальше — будь что будет

Новый проект — это ретроспектива творческого пути Ивана Симонова

СНОБ
Почему интернет перестает быть свободным и переходит к гиперконтролю Почему интернет перестает быть свободным и переходит к гиперконтролю

Какой будет новая этика для мессенджеров в условиях гиперконтроля интернета

Forbes
5 новых американских кроссоверов, которые появились в России. Фото и цены 5 новых американских кроссоверов, которые появились в России. Фото и цены

Какие новые американские кроссоверы привозят в Россию дилеры

РБК
История развития морских беспилотников. Часть 3 История развития морских беспилотников. Часть 3

О создании подводного беспилотника Судного дня и о других морских беспилотниках

Наука и техника
Бот еще: чем опасна для бизнеса «забытая» автоматизация Бот еще: чем опасна для бизнеса «забытая» автоматизация

Не стоит забывать об одном риске IT-компании — «забытой» автоматизации

Forbes
Через голову Через голову

Мы попробовали взглянуть на секс и оргазм глазами наших подруг

Men Today
Гении места Гении места

Лукия Мурина и Николай Исаев: служба охраны памяти

Weekend
Первая минута Первая минута

Как заставить начало разговора работать на результат

kiozk originals
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
Ростов Великий: Личный опыт Ростов Великий: Личный опыт

Еще один взгляд на Ростов: сквозь автомобильное окно

КАНТРИ Русская азбука
«История как наука и политика: Эксперименты в историографии и Советский проект» «История как наука и политика: Эксперименты в историографии и Советский проект»

Как Вавилов стал посредником между научным сообществом и большевиками

N+1
Крюки на ногах позволили роботу ANYmal вскарабкаться по приставной лестнице Крюки на ногах позволили роботу ANYmal вскарабкаться по приставной лестнице

Скорость подъема ANYmal в 232 раза превосходит результаты других роботов

N+1
Актер Роман Маякин: мнение, что человек не меняется, считаю одним из самых глупых Актер Роман Маякин: мнение, что человек не меняется, считаю одним из самых глупых

Актер Роман Маякин — о собственном опыте в психотерапии и сериале «Триггер»

СНОБ
Бритни Спирс есть у нас дома: почему новый роман Виктора Пелевина «Круть» совсем не крутой? Бритни Спирс есть у нас дома: почему новый роман Виктора Пелевина «Круть» совсем не крутой?

«Круть»: Акела (Виктор Пелевин) на этот раз промахнулся

Правила жизни
Что происходит в мозге человека, когда он смотрит на шедевр Вермеера Что происходит в мозге человека, когда он смотрит на шедевр Вермеера

Ученые измерили реакцию мозга при просмотре картины Йоханнеса Вермеера

ТехИнсайдер
«Джеймс Уэбб» увидел растущую изнутри наружу галактику в ранней Вселенной «Джеймс Уэбб» увидел растущую изнутри наружу галактику в ранней Вселенной

Как космический телескоп «Джеймс Уэбб» обнаружил галактику в эпоху Реионизации

N+1
Многоликий Ян Многоликий Ян

Ян Гинзбург: разархивирование настоящего

Weekend
«Она смотрела на меня серьезно и опасливо всю дорогу, пока не задремала и не стала теплой». Отрывок повести Любы Макаревской «Март, октябрь, Мальва» «Она смотрела на меня серьезно и опасливо всю дорогу, пока не задремала и не стала теплой». Отрывок повести Любы Макаревской «Март, октябрь, Мальва»

Отрывок повести Любы Макаревской о взаимоотношениях человека и собаки

Правила жизни
«Вступление Иоанна IV в Казань» «Вступление Иоанна IV в Казань»

Взятие Казани стало триумфом молодого Ивана Грозного

Дилетант
Все тесней становится в Мировом, но не мирном океане Все тесней становится в Мировом, но не мирном океане

Количество бороздящих морские просторы судов растет год от года

Наука и техника
Вадим Тишин Вадим Тишин

Художник Вадим Тишин открывает невидимые миры и носит в сердце незабудку

Собака.ru
Открыть в приложении