Искусственный интеллект помогает увеличить урожай

Данный инновационный подход избавляет от необходимости использования дорогостоящих датчиков или отбора образцов, делая точное земледелие более доступным. Метод открывает перспективы для масштабного мониторинга урожая культур как в теплицах, так и в условиях открытого грунта.

Исследователи показали, как двухмерное видео, снятое обыкновенной камерой, может быть преобразовано в более информативные 3D-данные для грамотного управления сельским хозяйством.

В основе метода лежит использование техники «структура по движению» (SfM). Она применяется в компьютерном зрении и дистанционном зондировании. SfM восстанавливает 3D-геометрию по движению объектов в видеопоследовательности. Для изучения формы и размера листьев растений исследователи использовали обычные видеозаписи томатов. Они были сняты с разных ракурсов. Это позволило обойтись без дорогостоящих LiDAR-сканеров и мультиспектральных камер.

Точное измерение общей площади листьев имеет важное значение для понимания роста растений, фотосинтеза и использования воды. Но традиционные подходы часто требуют отбора проб или дорогостоящего, порой недоступного оборудования.

Используя более 300 видеозаписей растений томата, выращенных в контролируемых условиях защищенного грунта, исследователи обучили модели машинного обучения оценивать площадь листьев на основе трехмерных данных. Результат превзошел традиционные 2D-подходы и продемонстрировал высокую надежность даже в тех случаях, когда перекрытие листьев или движение растений создавали визуальные проблемы.

Поскольку метод не зависит от сельскохозяйственной культуры и требует только стандартного RGB-изображения, он открывает возможности для широкого применения в системах мониторинга урожая культур во всем мире. Реализация модели в свободном доступе также способствует дальнейшему развитию и адаптации со стороны исследовательского сообщества.

Развитие современных технологий позволяет упростить рабочие процессы и получить результаты с меньшими затратами. Во Всероссийском центре карантина растений (ФГБУ «ВНИИКР» Россельхознадзора) используют современные подходы, позволяющие разрабатывать инновационные методы диагностики и использовать их при исследовании подкарантинной продукции.

Источник: Dmitrii Usenko et al, Using 3D reconstruction from image motion to predict total leaf area in dwarf tomato plants, Computers and Electronics in Agriculture (2025). DOI: 10.1016/j.compag.2025.110627