ИИ превращает обычные изображения растений в ранние предупреждения о засухе

Что, если бы растения могли говорить, когда им не хватает воды? Засуха — самый коварный стрессор — долгое время остаётся незаметной, пока её последствия не становятся видимыми.

Новый подход, разработанный совместно ICAR (Индия), Ramakrishna Mission Vivekananda Educational and Research Institute (RKMVERI) и Университетом Квинсленда (Австралия), предлагает решение. Он реализован в платформе Intelligent Decision Support for Drought Stress (IDSDS), которая объединяет искусственный интеллект, дистанционное зондирование и физиологию растений, превращая простые RGB-изображения в мощный инструмент мониторинга.

Исследование под руководством доктора Суманты Даса (RKMVERI) опубликовано в журнале Computers and Electronics in Agriculture.

Проблема: В Индии почти ~42% пахотных земель страдают от засухи. Традиционные методы обнаружения (измерение содержания воды в листьях, устьичной проводимости, флуоресценции хлорофилла) точны, но дороги, медленны и не масштабируемы. RGB-изображения, напротив, дешёвы и доступны (например, со смартфонов), но дают лишь грубые визуальные подсказки, в основном по цвету.

Решение IDSDS: Использовать модель глубокого обучения для реконструкции гиперспектральных данных из обычных RGB-изображений. Гиперспектральная съёмка фиксирует сотни узких спектральных полос, отражающих физиологические признаки (содержание воды, концентрацию пигментов), но камеры для неё очень дороги.

• На основе более 4800 RGB-изображений и 400 гиперспектральных кубов пшеницы, выращенной в условиях засухи и нормального полива, были обучены сверточные нейронные сети (CNN).
• Лучшая модель достигла значения спектрального углового картографа (SAM) всего 0.12, что означает высокую точность реконструкции спектров.

Интуитивные метрики: Для простоты интерпретации агрономами и фермерами была введена коэффициент зелёности (Greenness Coefficient, GC) — фенотипическая метрика в диапазоне 0–500, выделяющая тонкие вариации цвета, невидимые глазу:

• Высокий GC = тёмно-зелёный (здоровое растение).
• Низкий GC = пожелтение или побурение (стресс).

От данных к решениям: Используя реконструированные спектральные данные, IDSDS рассчитывает набор спектральных индексов (NDVI, PRI, PSRI, ARI, WBI и др.), что даёт многомерную картину стресса. Например, падение GC может указывать на раннее пожелтение, а рост PSRI — подтверждать ускоренное старение.

Классификатор Random Forest переводит эти признаки в категории стресса с точностью ~99% (AUC = 1.0) по семи категориям — от оптимального состояния до сильного стресса.

Для наглядности система генерирует Цифровую карту стресса (Digital Stress Chart, DSC), показывающую пространственное распределение стресса в растении.

Значение: IDSDS делает мониторинг засухи доступным и масштабируемым, используя уже имеющиеся у фермеров смартфоны. В условиях изменения климата с его непредсказуемыми засухами раннее обнаружение стресса критически важно для предотвращения потерь урожая.

«Превратить каждую камеру в научный инструмент для устойчивости сельского хозяйства, а каждого фермера — в специалиста, принимающего решения на основе данных», — говорит доктор Дас.

IDSDS — это шаг к тому, чтобы «услышать» ранние, скрытые сигналы растений о стрессе, закодированные в изменениях цвета и спектральных паттернах.