Цифровой инструмент помогает фермерам бороться с азиатской ржавчиной сои

Бразильские ученые разработали платформу для диагностики азиатской ржавчины сои, одного из наиболее серьезных заболеваний этой культуры. Технология объединяет искусственный интеллект (ИИ) с комплексным анализом климатических, агрономических данных и цифровых изображений. Облачная система оценивает риск возникновения заболевания и генерирует отчеты с рекомендациями по техническому управлению, способствуя принятию более точных решений на полях.

Инструмент собирает данные с датчиков окружающей среды, цифровые изображения листьев и агрономические параметры, такие как сорт, расстояние между растениями и график посева. Результаты представляются на онлайн-панели управления, которая позволяет фермерам отслеживать временные ряды климатических данных и изображений растений.

Система была разработана в рамках проекта «Передовой цифровой инструмент для управления сельскохозяйственными рисками» при финансовой поддержке Исследовательского фонда штата Сан-Паулу.

Исследование «Облачная интеллектуальная система для анализа риска поражения сои азиатской ржавчиной» было опубликовано в июле 2025 года в журнале AgriEngineering.

Ученые разработали систему на основе полевых исследований, используя модель, которая включает климатические переменные, данные о растениях сои и данные, полученные с цифровых изображений листьев сои. Климатические переменные наблюдались в течение периода мониторинга территории.

Технология подразделяет благоприятность развития болезней на три уровня — низкий, средний и высокий — в зависимости от сочетания переменных, связанных со стадией поражения. Это позволяет проводить диагностику и прогнозирование мер борьбы с болезнями с большей эффективностью и точностью. Уровень благоприятности определяется статистическим выводом, основанным на поведении набора переменных.

Исследователи объясняют, что система работает путем комбинирования данных. Основные из них позволяют анализировать факторы, имеющие решающее значение для развития грибка, такие как период увлажнения листьев — относительная влажность выше 90%, температура в диапазоне от 15°C до 28°C — или точка росы.

В работе используются передовые и специфические методы обработки для извлечения информации из цифровых изображений листьев сои. Цветовые паттерны, такие как зеленый, желтый и коричневый, связаны со стадиями развития заболевания.

Для объединения данных в исследовании были оценены два метода. В итоге для системы был выбран метод скрытых цепей Маркова, который обеспечивает надежность, эффективность и результативность процесса принятия решений. Эта методология оказалась лучше нечеткой логики, достигнув 100% точности в сопоставлении сценариев, оцененных для риска возникновения азиатской ржавчины на посевах сои.

В ходе четырехлетнего исследования с традиционным сортом сои BRS 536 компании Embrapa исследователи использовали более 2 гигабайт данных за цикл выращивания, учитывая информацию, собранную на реальных полях во время обработки, на геопривязанных участках в регионе Поксореу-МТ и сфотографированных при известных индексах освещенности.

Аналитические отчеты, доступные на панели управления, составлены на основе двадцатилетних исторических данных и позволяют оценивать периоды сельскохозяйственного цикла. Система имеет удобный интерфейс для навигации, поскольку она организована с основной информацией, представляющей интерес для фермеров и потенциальных пользователей.

Отчеты призваны помочь фермерам в принятии решений по управлению посевными площадями, позволяя оценить наличие или отсутствие азиатской ржавчины и степень тяжести заболевания. Кроме того, они предлагают агрономические рекомендации по борьбе с болезнью, основанные на диагностике.

Исследователи заявляют, что система позволяет отслеживать наличие или отсутствие азиатской ржавчины сои, а также оценивать динамику распространения заболевания на разных стадиях тяжести и риска в процессе сельскохозяйственного производства.