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

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.