Статья: ИСПОЛЬЗОВАНИЕ БЕСПИЛОТНЫХ ТЕХНОЛОГИЙ И МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДЕТЕКЦИИ БОЛЕЗНЕЙ САХАРНОЙ СВЁКЛЫ (2025)

Читать онлайн

Проблема своевременного выявления болезней сахарной свёклы остаётся актуальной для агропромышленного комплекса. Церкоспороз (Cercospora beticola Sacc.) способен снижать урожайность и сахаристость корнеплодов более чем на 30–40%. Целью исследования являлась разработка и апробация алгоритмов автоматизированной детекции церкоспороза на основе данных беспилотного мониторинга и методов машинного обучения.

Исследования проведены в 2024 г. на опытном поле сахарной свёклы площадью 25 га в Республике Башкортостан. Для сбора данных использовался беспилотное воздушное судно (БВС) DJI Phantom 4 Multispectral. Получены ортофотопланы и рассчитаны вегетационные индексы (NDVI и др.). Для анализа применялись алгоритмы Random Forest и нейросетевая модель U-Net с энкодером ResNet34. Классификация проводилась на основе размеченных выборок, включая здоровые и поражённые растения.

Регулярный БВС-мониторинг позволил выявить динамику развития болезни в течение вегетационного периода. Нейросетевая модель U-Net обеспечила точность распознавания очагов поражения до ~90%, что превысило результаты метода Random Forest (75–80%). Сформированы тематические карты распределения болезней, позволяющие количественно оценить степень поражённости растений. К началу сентября заражённость листьев церкоспорозом достигла ~52% площади листового аппарата.

Полученные результаты подтверждают высокую эффективность применения методов глубокого обучения для анализа данных БВС. Разработанные алгоритмы обеспечивают раннюю диагностику заболеваний, формирование оперативных карт фитосанитарного состояния и могут быть интегрированы в системы точного земледелия. Практическая значимость заключается в повышении эффективности защиты растений и обосновании дифференцированных обработок, что способствует снижению затрат на СЗР и сохранению урожайности.

Ключевые фразы: беспилотные воздушные суда, сахарная свекла, церкоспороз, машинное обучение, глубокие нейронные сети, СЕМАНТИЧЕСКАЯ СЕГМЕНТАЦИЯ, фитосанитарный мониторинг, ТОЧНОЕ ЗЕМЛЕДЕЛИЕ
Автор (ы): Мударисов Салават Гумерови (Mudarisov S. G.), Мифтахов Ильнур Ринатович (Miftahov I. R.), Фархутдинов Ильдар Мавлиярович (Farhutdinov I. M.)
Журнал: АПК РОССИИ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Растениеводство
УДК
004. Информационные технологии. Компьютерные технологии. Теория вычислительных машин и систем
631.3. Сельскохозяйственные машины и орудия. Сельскохозяйственное оборудование
632.1. Непаразитарные болезни и болезни этого типа, вызываемые комплексом факторов
633.4. Корнеклубнеплоды
Для цитирования:
МУДАРИСОВ С. Г., МИФТАХОВ И. Р., ФАРХУТДИНОВ И. М. ИСПОЛЬЗОВАНИЕ БЕСПИЛОТНЫХ ТЕХНОЛОГИЙ И МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДЕТЕКЦИИ БОЛЕЗНЕЙ САХАРНОЙ СВЁКЛЫ // АПК РОССИИ. 2025. № 5, ТОМ 32
Текстовый фрагмент статьи