Молодые учёные из Ставрополя научат нейросети прогнозировать урожайность
Коллектив молодых ученых из Северо-Кавказского федерального университета стал обладателем гранта Российского научного фонда в размере 1,5 млн рублей по созданию системы прогнозирования урожайности.
Как рассказали в пресс-службе вуза, интеллектуальная система на основе нейросетей будет анализировать данные с беспилотников, спутников и метеостанций, оценивать состояние растительности и почвы и делать агропрогноз на их основе.
«Ключевой принцип науки в нашем университете — это трансформация идей и исследовательских проектов в практическое русло. Мы приоритетно развиваем технологии, которые должны приносить реальную пользу экономике и быть ориентированными на технологическое лидерство. В этой связи целый ряд проектов в области ИИ и анализа больших данных наши ученые развивают в интересах медицины, химической отрасли, сельского хозяйства», — прокомментировала и. о. ректора СКФУ профессор Татьяна Шебзухова.
Разработка ученых СКФУ объединяет подходы из сфер агрономии, компьютерного зрения, климатологии и машинного обучения и направлена на цифровизацию управления сельхозпроизводством с использованием отечественных технологий.
Руководитель проекта — аспирант, младший научный сотрудник Северо-Кавказского центра математических исследований вуза Валентина Арустамян.
«Мы планируем обучить нейросеть обрабатывать изображения, предоставляемые из разнородных источников информации: убирать шумы и пропуски, т. е. производить спектральную нормализацию данных и согласование пространственных решений. Будут разработаны также алгоритмы анализа этих изображений, модуль обработки температурных и осадочных рядов. Ключевым результатом станет создание прогностической модели, способной производить мониторинг сельскохозяйственных полей, формировать прогноз урожайности», — рассказала специалист.
По мнению авторов исследования, современные подходы к мониторингу сельскохозяйственных угодий в условиях изменения климата и нестабильности погодных факторов требуют перехода от периодических полевых наблюдений к комплексным цифровым системам анализа растительности. Использование данных дистанционного зондирования с беспилотников и спутников позволяет формировать пространственно-временную картину состояния посевов.
Созданная нейросетевая архитектура позволит аграриям оперативно реагировать на изменения состояния растений, планировать подкормки, полив и иные мероприятия, снижая потери урожая и повышая его устойчивость.
Кроме того, она может быть адаптирована под другие задачи, например, под оценку урожайности, выявление деградации посевов, контроль орошения и моделирование последствий климатических изменений.