Модели на основе искусственного интеллекта для цифровой диагностики болезней зерновых культур (на примере Pyrenophora teres озимого ячменя)

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Исследования проводили с целью обоснования возможности использования цифровых интеллектуальных технологий при прогнозировании развития сетчатой пятнистости озимого ячменя. Предложенный подход представляет собой бинарное дерево решений, способное прогнозировать сценарии развития сетчатой пятнистости: депрессивное, умеренное и эпифитотийное. Для настройки параметров алгоритма в 2021‒2023 гг. были проведены полевые и лабораторные опыты по подготовке данных. В качестве входных факторов, фиксируемых в выборке, использовали наблюдаемую степень пораженности листьев, тип устойчивости сорта, фазу вегетации, в которую произошло первичное заражение, среднюю относительную влажность воздуха за фазу вегетации, в которой произошло заражение. Общий объем выборки составлял 144 наблюдения. Обученная модель показала высокое качество классификации как на обучающей, так и на тестовой выборке с долей правильных ответов более 96 %. Согласно результатам статистической оценки важности факторов, влияющих на развитие сетчатой пятнистости ячменя, наибольшим весом обладает текущая пораженность листьев (74,3 %), второй по важности фактор ‒ средняя относительная влажность воздуха (11,9 %), далее следуют устойчивость сорта к болезни (10,4 %) и фаза вегетации, в которую произошло заражение (3,4 %). Предложенное решение имеет важное практическое значение, так как предоставляет новые возможности для процесса диагностики сетчатой пятнистости озимого ячменя, среди которых: высокая скорость диагностики, точность составления прогнозов, применимость в полевых условиях.

Полный текст

Доступ закрыт

Об авторах

И. В. Ариничев

Кубанский государственный университет

Автор, ответственный за переписку.
Email: galvol.bpp@yandex.ru

кандидат экономических наук

Россия, 350040, Краснодар, ул. Ставропольская, 149

И. В. Ариничева

Кубанский государственный аграрный университет им. И. Т. Трубилина,

Email: galvol.bpp@yandex.ru

доктор биологических наук

Россия, 350044, Краснодар, ул. Калинина, 13

Г. В. Волкова

Федеральный научный центр биологической защиты растений

Email: galvol.bpp@yandex.ru

член-корреспондент РАН, доктор биологических наук

Россия, 350039, Краснодар, п/о 39

Я. В. Яхник

Федеральный научный центр биологической защиты растений

Email: galvol.bpp@yandex.ru

аспирант

Россия, 350039, Краснодар, п/о 39

Список литературы

  1. Федеральная служба государственной статистика. Сельское хозяйство, охота и лесное хозяйство. URL: https://rosstat.gov.ru/enterprise_economy (дата обращения: 01.10.2023).
  2. Указ Президента Российской Федерации от 21.01.2020 г. № 20 «Об утверждении Доктрины продовольственной безопасности Российской Федерации». URL: http://www.kremlin.ru/acts/bank/45106 (дата обращения: 01.10.2023).
  3. Применение технологий искусственного интеллекта в сельском хозяйстве / Е. А. Скворцов, В. И. Набоков, К. В. Некрасов и др. // Аграрный вестник Урала. 2019. № 8 (187). С. 91‒98. doi: 10.32417/article_5d908ed78f7fc7.89378141.
  4. Волкова Г. В., Астапчук И. Л. Распространение Pyrenophora teres на посевах ячменя в Северо-Кавказском регионе // Зерновое хозяйство России. 2019. № 2 (62). С. 63‒68. doi: 10.31367/2079-8725-2019-62-2-63-68.
  5. Орловская Е. Н. Астапчук И. Л., Волкова Г. В. Влияние системы обработки почвы на поражаемость озимого ячменя сетчатой пятнистостью // Вестник Ульяновской государственной сельскохозяйственной академии. 2018. № 4 (44). С. 110‒177. doi: 10.18286/1816-4501-2018-4-110-117.
  6. Ариничева И. В., Ариничев И. В., Репко Н. В. Автоматизированная диагностика грибных болезней ячменя // Труды Кубанского государственного аграрного университета. 2022. № 95. С. 69‒72. doi: 10.21515/1999-1703-95-69-72.
  7. Ариничев И. В., Полянских С. В., Ариничева И. В. Семантическая сегментация ржавчин и пятнистостей пшеницы // Компьютерная оптика. 2023. Т. 47. № 1. С. 118‒125. doi: 10.18287/2412-6179-CO-1130.
  8. Билай В. И. Микроорганизмы – возбудители болезней растений (справочник). Киев: Наукова думка,1988. 549 с.
  9. Хасанов Б. А. Определитель грибов-возбудителей «гельминтоспориозов» растений из родов Bipolaris, Drechslera и Exserohilum. Ташкент: Фан, 1992. 180 с.
  10. Ибрагимов Т. З., Санин С. С. Цифровая защита растений и интеллектуальный анализ фитосанитарной информации // Защита и карантин растений. 2019. № 4. С. 15‒18.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Обученное дерево решений, прогнозирующее развитие сетчатой пятнистости озимого ячменя.

Скачать (595KB)
3. Рис. 2. Результаты моделирования: а) матрица ошибок алгоритма; б) важность факторов при моделировании.

Скачать (222KB)

© Российская академия наук, 2024