Ученые разработали алгоритм ИИ для более точного обнаружения болезней растений
Группа специалистов по обработке и анализу данных и специалистов по феноменике растений из Китая и Сингапура разработала алгоритм роевого интеллекта для выбора признаков (SSAFS), который позволяет эффективно обнаруживать болезни растений на основе изображений. Они сообщили о разработке и проверке этого алгоритма в своем исследовании, опубликованном в журнале Plant Phenomics.
Объясняя преимущества внедрения SSAFS, соответствующий автор этого исследования, профессор Чживэй Цзи, комментирует:
«SSAFS не только значительно сокращает количество признаков, но и значительно повышает точность классификации».
В исследовании использовалась комбинация двух принципов: высокопроизводительная феномика, с помощью которой можно в больших масштабах анализировать признаки растений, такие как тяжесть заболевания, и компьютерное зрение, при котором извлекаются характеристики изображения, характерные для конкретного состояния. Используя SSAFS и набор изображений растений, исследователи определили «оптимальное подмножество признаков» болезней растений.
Это подмножество включало список только высокоприоритетных признаков, которые могли бы успешно классифицировать растение как больное или здоровое, а также дополнительно оценить тяжесть болезни. Эффективность SSAFS была проверена на четырех наборах данных UCI и шести наборах данных о феномике растений. Эти наборы данных также использовались для сравнения производительности SSAFS с производительностью пяти других подобных алгоритмов группового интеллекта.
Полученные данные показывают, что SSAFS хорошо справляется как с обнаружением болезней растений, так и с оценкой их серьезности. Действительно, он превзошел существующие современные алгоритмы в определении наиболее ценных характеристик изображения, созданных вручную. Интересно, что большинство этих признаков, связанных с болезнью, были локальными, т. е. они включали в себя определенные узоры или структуры, такие как точки, края и пятна, которые часто наблюдаются у больных растений.
В целом, этот алгоритм является ценным инструментом для получения оптимального сочетания созданных вручную характеристик изображений, указывающих на болезни растений . Его внедрение может значительно повысить точность распознавания болезней растений и сократить требуемую продолжительность обработки.
Отвечая на вопрос о будущих последствиях их исследования, профессор Цзи комментирует:
«Одним из важнейших вкладов этой работы в феноменологию растений является определение характеристик, созданных вручную, и точный отбор соответствующих характеристик с помощью нового вычислительного подхода. Мы предлагаем объединить всесторонние характеристики изображений растений, созданные вручную и не вручную, для точного и эффективного обнаружения в области феноменики».
Источник: Нанкинский сельскохозяйственный университет
