By this author

AN INTELLIGENT CORN DISEASE DETECTION SYSTEM FOR INTEGRATION INTO MECHANIZED CROP PROTECTION SYSTEMS

Issue number 6 from 11.11.2025

Актуальной научной проблемой является разработка методов автоматизированного мониторинга болезней кукурузы с использованием технологий компьютерного зрения и беспилотных воздушных судов (БВС). Традиционный визуальный контроль агрономами не позволяет эффективно выявлять ранние стадии инфекций, что ведет к значительным потерям урожая. Цель исследования – разработка и апробация метода детекции пятнистости листьев кукурузы по RGB-изображениям, полученным с БВС, с применением сверточной нейронной сети (CNN) ResNet-50. В качестве объекта исследования выбраны посевы кукурузы в Республике Башкортостан. Съемка выполнена промышленным дроном DJI Matrice 300, оснащенным камерой 20 МП. Всего собрано около 14 000 изображений, из которых 6000 – здоровые листья и 8000 – пораженные пятнистостью. Для классификации использовалась нейросеть ResNet-50 с дообучением на специализированном датасете. Качество модели оценивалось с помощью метрик Ascartacy, Precision, Recall и F1-score. Разработанная модель продемонстрировала Ascartacy ≈ 92 % и F1-score ≈ 0,91, обеспечив надежное разделение здоровых и пораженных листьев в реальных полевых условиях. На основе индекса поражения I, построены карты VRA (Variable Rate Application), позволяющие варьировать нормы внесения фунгицидов (120, 180 и 250 л/га) по выделенным зонам. В отличие от большинства исследований, ограничивающихся классификацией, предложенный подход интегрирован в агроинженерный контур точного земледелия, результаты CNN автоматически трансформируются в карты-задания ISOXML/Shape для ISOBUS/ RTK-опрыскивателей. Практическая значимость работы заключается в снижении затрат на СЗР и уменьшении химической нагрузки на агроценоз при сохранении эффективности защиты растений. Перспективы исследования связаны с расширением спектра детектируемых заболеваний и использования мультиспектральных данных.

66 0