https://ria.ru/20240424/nauka-1941738263.html
Разработка российских ученых поможет развитию точного земледелия
Разработка российских ученых поможет развитию точного земледелия - РИА Новости, 24.04.2024
Разработка российских ученых поможет развитию точного земледелия
Программное обеспечение для точного подсчета всходов на поле создали сотрудники Института цитологии и генетики СО РАН совместно с партнерами. Разработка,... РИА Новости, 24.04.2024
2024-04-24T03:00
2024-04-24T03:00
2024-04-24T03:00
наука
наука
университетская наука
навигатор абитуриента
россия
российская академия наук
нейросеть
искусственный интеллект (ии)
https://cdnn21.img.ria.ru/images/07e8/04/17/1941745944_0:320:3072:2048_1920x0_80_0_0_f4f357e82173bc07677edf70f713bb3a.jpg
МОСКВА, 24 апр – РИА Новости. Программное обеспечение для точного подсчета всходов на поле создали сотрудники Института цитологии и генетики СО РАН совместно с партнерами. Разработка, основанная на использовании алгоритмов искусственного интеллекта, поможет эффективнее оценивать качество всходов и планировать внесение удобрений, сообщили в пресс-службе организации.Современное точное земледелие требует регулярного мониторинга полей с сельскохозяйственными культурами. Одна из важных задач такого обследования – подсчет количества взошедших после посева растений: свеклы, картофеля, подсолнечника и других пропашных культур. Эти данные позволяют оценить качество всходов и спланировать агротехнические мероприятия по повышению урожайности.Ранее специалисты "на глаз" оценивали количество взошедших растений по снимкам полей с беспилотников. Решить эту задачу быстрее и точнее можно с помощью методов обработки изображений, основанных на алгоритмах искусственного интеллекта, рассказал ведущий научный сотрудник Курчатовского геномного центра ИЦиГ СО РАН Дмитрий Афонников.Для решения задачи сначала потребовалось собрать большую выборку изображений и разметить их, чтобы обучить нейронные сети их распознавать. Эту работу, а также коррекцию алгоритма взяли на себя специалисты компании ГЕОСАЭРО."На втором этапе работы сотрудники нашего института занимались разработкой алгоритма и программированием. Это наша компетенция, мы регулярно создаем алгоритмы обучения нейронных сетей для решения самых разных задач, связанных с анализом изображений, и приобрели большой опыт в подобных проектах. Например, мы разработали мобильные приложения для анализа формы и размеров зерен пшеницы и для автоматического распознавания грибных заболеваний пшеницы на основе полевых изображений побегов", – отметил он.По словам ученых, новая технология позволяет подготовить рекомендации для хозяйств или фермеров, например, рассчитать необходимую растениям дозу подкормки и полива, снизить расходы и повысить урожайность сельскохозяйственных культур. Возможная выгода от использования разработки зависит от потребностей конкретного производителя, но она может быть очень существенной, подчеркнул ученый."Нам неизвестны примеры полных аналогов нашего программного обеспечения с использованием нейросетей и глубокого машинного обучения. Обычно снимки изучают вручную или на основе обычных алгоритмов анализа изображений. Более высокая скорость и эффективность обработки снимков за счет нейросети – и есть наше преимущество".Он добавил, что в перспективе подобные разработки могут стать модулями общей цифровой платформы – "электронного помощника руководителя хозяйства", способного решать задачи оптимизации севооборота, прогнозирования урожайности и картирования почв."Наша совместная разработка находится на переднем крае сельскохозяйственной науки, и пока она востребована лишь отдельными заказчиками. Но с 1 января в России вступил в действие национальный проект "Беспилотные авиационные системы", налаживается производство беспилотников, готовятся кадры. В ближайшие годы увеличится количество специального оборудования, у работников появятся компетенции, чтобы им управлять, и тогда наш инструмент станет более востребованным", – рассказал директор компании ГЕОСАЭРО Захар Завьялов.Разработка внесена в реестр ПО, на нее получено свидетельство о регистрации. Сейчас исследователи работают над созданием алгоритма для нейросети, которая сможет подсчитывать количество созревших колосьев и оценивать урожай, а в перспективе – определять число колосьев на более ранних стадиях созревания для корректировки полевых работ (подкормки и т.п.) и давать ранние прогнозы на урожай.В работе была использована нейросеть модели U-net. Программа SeedlingsNet создана в сотрудничестве с компанией ГЕОСАЭРО по программе "Антикризис-ИИ" Фонда содействия инновациям в рамках национальной программы "Цифровая экономика".
https://ria.ru/20240408/nauka-1937985502.html
https://ria.ru/20240130/nauka-1924109775.html
https://ria.ru/20231109/nauka-1908167291.html
россия
РИА Новости
internet-group@rian.ru
7 495 645-6601
ФГУП МИА «Россия сегодня»
https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/
2024
РИА Новости
internet-group@rian.ru
7 495 645-6601
ФГУП МИА «Россия сегодня»
https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/
Новости
ru-RU
https://ria.ru/docs/about/copyright.html
https://xn--c1acbl2abdlkab1og.xn--p1ai/
РИА Новости
internet-group@rian.ru
7 495 645-6601
ФГУП МИА «Россия сегодня»
https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/
https://cdnn21.img.ria.ru/images/07e8/04/17/1941745944_341:0:3072:2048_1920x0_80_0_0_a959de4984dd0ec8442c9023c9bbb6b6.jpgРИА Новости
internet-group@rian.ru
7 495 645-6601
ФГУП МИА «Россия сегодня»
https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/
РИА Новости
internet-group@rian.ru
7 495 645-6601
ФГУП МИА «Россия сегодня»
https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/
наука, университетская наука, навигатор абитуриента, россия, российская академия наук, нейросеть, искусственный интеллект (ии)
Наука, Наука, Университетская наука, Навигатор абитуриента, Россия, Российская академия наук, нейросеть, Искусственный интеллект (ИИ)
МОСКВА, 24 апр – РИА Новости. Программное обеспечение для точного подсчета всходов на поле создали сотрудники Института цитологии и генетики СО РАН совместно с партнерами. Разработка, основанная на использовании алгоритмов искусственного интеллекта, поможет эффективнее оценивать качество всходов и планировать внесение удобрений, сообщили в пресс-службе организации.
Современное точное земледелие требует регулярного мониторинга полей с сельскохозяйственными культурами. Одна из важных задач такого обследования – подсчет количества взошедших после посева растений: свеклы, картофеля, подсолнечника и других пропашных культур. Эти данные позволяют оценить качество всходов и спланировать агротехнические мероприятия по повышению урожайности.
Ранее специалисты "на глаз" оценивали количество взошедших растений по снимкам полей с беспилотников. Решить эту задачу быстрее и точнее можно с помощью методов обработки изображений, основанных на алгоритмах искусственного интеллекта, рассказал ведущий научный сотрудник Курчатовского геномного центра ИЦиГ СО РАН Дмитрий Афонников.
Для решения задачи сначала потребовалось собрать большую выборку изображений и разметить их, чтобы обучить нейронные сети их распознавать. Эту работу, а также коррекцию алгоритма взяли на себя специалисты компании ГЕОСАЭРО.
"На втором этапе работы сотрудники нашего института занимались разработкой алгоритма и программированием. Это наша компетенция, мы регулярно создаем алгоритмы обучения нейронных сетей для решения самых разных задач, связанных с анализом изображений, и приобрели большой опыт в подобных проектах. Например, мы разработали мобильные приложения для анализа формы и размеров зерен пшеницы и для автоматического распознавания грибных заболеваний пшеницы на основе полевых изображений побегов", – отметил он.
По словам ученых, новая технология позволяет подготовить рекомендации для хозяйств или фермеров, например, рассчитать необходимую растениям дозу подкормки и полива, снизить расходы и повысить урожайность сельскохозяйственных культур. Возможная выгода от использования разработки зависит от потребностей конкретного производителя, но она может быть очень существенной, подчеркнул ученый.
«
"Нам неизвестны примеры полных аналогов нашего программного обеспечения с использованием нейросетей и глубокого машинного обучения. Обычно снимки изучают вручную или на основе обычных алгоритмов анализа изображений. Более высокая скорость и эффективность обработки снимков за счет нейросети – и есть наше преимущество".
Дмитрий Афонников
ведущий научный сотрудник Курчатовского геномного центра ИЦиГ СО РАН
Он добавил, что в перспективе подобные разработки могут стать модулями общей цифровой платформы – "электронного помощника руководителя хозяйства", способного решать задачи оптимизации севооборота, прогнозирования урожайности и картирования почв.
"Наша совместная разработка находится на переднем крае сельскохозяйственной науки, и пока она востребована лишь отдельными заказчиками. Но с 1 января в России вступил в действие национальный проект "Беспилотные авиационные системы", налаживается производство беспилотников, готовятся кадры. В ближайшие годы увеличится количество специального оборудования, у работников появятся компетенции, чтобы им управлять, и тогда наш инструмент станет более востребованным", – рассказал директор компании ГЕОСАЭРО Захар Завьялов.
Разработка внесена в реестр ПО, на нее получено свидетельство о регистрации. Сейчас исследователи работают над созданием алгоритма для нейросети, которая сможет подсчитывать количество созревших колосьев и оценивать урожай, а в перспективе – определять число колосьев на более ранних стадиях созревания для корректировки полевых работ (подкормки и т.п.) и давать ранние прогнозы на урожай.
В работе была использована нейросеть модели U-net. Программа SeedlingsNet создана в сотрудничестве с компанией ГЕОСАЭРО по программе "Антикризис-ИИ" Фонда содействия инновациям в рамках национальной программы "Цифровая экономика".