Ученые научили ИИ определять семь болезней томатов

Ученые Университета Чарльза Дарвина совершили прорыв в защите сельскохозяйственных культур с помощью искусственного интеллекта (ИИ). Они создали уникальный набор данных из почти 9000 изображений листьев томатов, который позволит ИИ эффективно выявлять болезни растений, сокращая потери урожая и чрезмерное использование химикатов.

Это первый в своем роде полевой датасет, содержащий размеченные изображения, собранные в реальных условиях. Исходная база из 890 фотографий здоровых и зараженных бактериальными и грибными болезнями растений была расширена до 8934 снимков.

Фокусировка на главных признаках

Для анализа данных исследователи применили алгоритм IR-CBAM (Inverted Residual Convolutional Block Attention Module). В отличие от стандартных методов, этот ИИ игнорирует лишние детали, такие как почва, тени, фон, и фокусируется на главных признаках – цвете, текстуре и краях пораженных участков. Благодаря такой избирательности система работает быстро и эффективно даже на обычных смартфонах, что очень важно для полевых условий.

Технология позволяет диагностировать семь заболеваний на ранних стадиях с точностью 99%. Ранее подобные показатели были достижимы только в лабораторных условиях. Внедрение данной модели поможет аграриям снизить зависимость от экспертной поддержки, минимизировать потери урожая и оптимизировать использование средств защиты растений, делая сельское хозяйство более экологичным.

Использование передовых технологий ускоряет научный поиск. Во Всероссийском центре карантина растений (ФГБУ «ВНИИКР» Россельхознадзора) сочетание традиционных и инновационных методов диагностики позволяет оперативно выявлять фитопатогены, в том числе в латентной форме.

Источник: Romiyal George et al, SLIF-Tomato: Inverted Residual Convolutional Block Attention Module for In-field Tomato Leaf Disease Recognition, Neural Computing and Applications (2026). DOI: 10.1007/s00521-026-12271-0