Статья: РАЗРАБОТКА АВТОМАТИЗИРОВАННОГО МЕТОДА ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ ЗЕМЛЯНИКИ САДОВОЙ С ИСПОЛЬЗОВАНИЕМ БЛА И АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ (2026)

Читать онлайн

В статье представлен метод дистанционного мониторинга и прогнозирования урожайности земляники садовой (Fragaria × ananassa), основанный на применении беспилотных летательных аппаратов (БЛА), технологий компьютерного зрения и глубокого обучения. Использование морфологических особенностей культуры, обеспечивает высокую точность детекции с БЛА. Исследование проводилось с использованием сверточной нейронной сети YOLO12 версия Extra Large, обученной методом трансферного обучения (Transfer Learning) на специализированном датасете изображений цветков земляники садовой (класс “Flower”). Датасет создан путем ручной разметки в программе RectLabel и расширен до 1700 изображений (18496 экземпляров) с помощью комплексной аугментации данных. Сбор исходных данных осуществлялся с помощью БЛА DJI Mavic 3M (RGB-камера) на высоте 30-60 м. Обработка снимков включала построение высокоточного ортофотоплана (разрешение 0,570 мм/пиксель) в программе Agisoft Metashape Pro. Для детекции ортофотоплан автоматически разбивался на фрагменты 200×200 пикселей. Обучение модели YOLO12 (гиперпараметры: batch size=8, learning rate=0.001, эпохи=1500) достигло высоких метрик на тестовой выборке: точность (Precision) 0,903, полнота (Recall) 0,812, Fмера 0,852, mAP50 0,888. На основе разработанного метода создано специализированное программное обеспечение с графическим интерфейсом, реализующее полный цикл обработки: разбиение ортофотоплана на плитки, детекцию цветков, объединение результатов детекции в единый ортофотоплан, пространственный анализ (построение тепловых карт плотности, расчет индекса Морана для оценки кластеризации, кластерный анализ K-means, визуализация диаграмм Вороного) и прогнозирование урожайности по формуле, учитывающей количество распознанных цветков, сортовые коэффициенты преобразования и средний вес ягоды. Применение метода позволяет автоматизировать подсчет цветков на больших площадях, выявлять зоны неоднородной продуктивности, прогнозировать урожайность на ранних стадиях вегетации, существенно сокращая трудозатраты и обеспечивая основу для принятия агротехнических решений.

Ключевые фразы: свёрточные нейронные сети, трансферное обучение, обработка изображений, мониторинг, прогнозирование урожайности, ТОЧНОЕ ЗЕМЛЕДЕЛИЕ
Автор (ы): Кутырёв Алексей Игоревич (Kutyrev A. I.), Филиппов Ростислав Александрович (Filippov R. A.)
Журнал: ВЕСТНИК КАЗАНСКОГО ГОСУДАРСТВЕННОГО АГРАРНОГО УНИВЕРСИТЕТА

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Растениеводство
УДК
004.932. Обработка изображений
631.171. Механизация и автоматизация сельского хозяйства
Для цитирования:
КУТЫРЁВ А. И., ФИЛИППОВ Р. А. РАЗРАБОТКА АВТОМАТИЗИРОВАННОГО МЕТОДА ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ ЗЕМЛЯНИКИ САДОВОЙ С ИСПОЛЬЗОВАНИЕМ БЛА И АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ // ВЕСТНИК КАЗАНСКОГО ГОСУДАРСТВЕННОГО АГРАРНОГО УНИВЕРСИТЕТА. 2026. № 1 (81), ТОМ 21
Текстовый фрагмент статьи
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.