- Код статьи
- 10.31857/10.31857/S2500262724010128-1
- DOI
- 10.31857/10.31857/S2500262724010128
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 1
- Страницы
- 67-71
- 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.
- Ключевые слова
- зерновое производство озимый ячмень (Hordeum vulgare L.) сетчатая пятнистость (Pyrenophora teres) цифровая диагностика искусственный интеллект
- Дата публикации
- 16.09.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 10
Библиография
- 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.
