Университет учит дроны инспектировать растения с помощью методов компьютерного зрения и машинного обучения

В рамках проекта университет разрабатывает методы компьютерного зрения и машинного обучения для эффективного мониторинга сельскохозяйственных угодий. С использованием данных, полученных с борта беспилотных летательных систем, мы решаем задачи классификации и идентификации изображений, включая мультиспектральные.

Мониторинг полей во время роста и созревания полезных растений – важная задача земледелия. Можно значительно уменьшить использование гербицидов если обнаружить скопления сорняков и воздействовать исключительно на вредные растения. Легче вылечить и повысить жизненную силу растений, если увидеть признаки стресса на ранней стадии и провести корректирующие мероприятия. Использование беспилотных летательных аппаратов и методов машинного обучения позволяет повысить точность и эффективность процессов земледелия.

Проект решает задачу классификации растений, идентификацию стрессов и картирование сельскохозяйственных угодий. В ходе проекта разработчики воссоздают факторы, мешающие развитию полезных растений, создают значительные по объему наборы размеченных изображений и тренируют модели машинного обучения, в том числе глубокие нейронные сети, с помощью которых решают эти задачи.

Научный руководитель проекта — Равильн Мухамедиев. Команда разрабатывает способы повышения точности разработанных методов классификации и проводит эксперименты, чтобы проверить их экспериментально.

Результаты проекта:

• Разработан прототип программно-аппаратной системы с использованием БПЛА, включая программное обеспечение для обработки снимков;
• Разработан прототип метода идентификации сорных растений нескольких видов.
• Созданы опытные участки, на которых изучаются негативные факторы, влияющие на рост сахарной свеклы;
• Размечено более 300 фотографий соевого поля, выделены сорные растения и полезная культура.

Результаты исследования опубликованы в журналах первого и второго квартилей.