Фото: СКФУ
Коллектив молодых ученых из Северо-Кавказского федерального университета (СКФУ) выиграл грант Российского научного фонда (РНФ) по созданию системы прогнозирования урожайности. Интеллектуальная система на основе нейросетей будет анализировать данные с беспилотных летательных аппаратов (БПЛА), спутников и метеостанций, оценивать состояние растительности и почвы, чтобы на их основе делать агропрогноз.
Проект молодых ученых под руководством младшего научного сотрудника Северо-Кавказского центра математических исследований СКФУ Валентины Арустамян стал победителем конкурса РНФ, который проводился для малых научных групп в 2025 году. Коллектив получил грант в размере 1,5 миллиона рублей. Разработка ученых СКФУ интегрирует подходы из областей агрономии, компьютерного зрения, климатологии и машинного обучения и ориентирована на решение прикладной задачи государственного уровня — цифровизации управления сельскохозяйственным производством на основе отечественных технологий.
«Ключевой принцип науки в нашем университете — это трансформация идей и исследовательских проектов в практическое русло. Мы приоритетно развиваем технологии, которые должны приносить реальную пользу экономике и быть ориентированными на технологическое лидерство. В этой связи целый ряд проектов в области ИИ и анализа больших данных наши ученые развивают в интересах медицины, химической отрасли, сельского хозяйства», — прокомментировала и.о. ректора СКФУ профессор Татьяна Шебзухова.
Современные подходы к мониторингу сельскохозяйственных угодий в условиях изменения климата и нестабильности погодных факторов, как считают авторы исследования, требуют перехода от периодических полевых наблюдений к комплексным цифровым системам анализа растительности. Использование данных дистанционного зондирования, полученных с беспилотников и спутников, позволяют формировать пространственно-временную картину состояния посевов.
«Мы планируем обучить нейросеть обрабатывать изображения, предоставляемые из разнородных источников информации: убирать шумы и пропуски,
т. е. производить спектральную нормализацию данных и согласование пространственных решений. Будут разработаны также алгоритмы анализа этих изображений, модуль обработки температурных и осадочных рядов. Ключевым результатом станет создание прогностической модели, способной производить мониторинг сельскохозяйственных полей, формировать прогноз урожайности», — рассказала аспирант, младший научный сотрудник Северо-Кавказского центра математических исследований СКФУ Валентина Арустамян.
Созданная нейросетевая архитектура позволит аграриям оперативно реагировать на изменения состояния растений, планировать подкормки, полив и иные мероприятия, снижая потери урожая и повышая его устойчивость. Научная новизна проекта заключается в объединении разнородных источников информации и внедрении трансформерных архитектур для решения задач прогнозирования в агросекторе.
Авторы проекта уверены, что созданная нейросетевая модель будет востребована как в научных исследованиях по агроэкологии и земледелию, так и в прикладных платформах для агрохолдингов, центров управления посевами и региональных служб фитосанитарного мониторинга. Кроме того, разработанные архитектуры и методы могут быть адаптированы под другие задачи, такие как оценка урожайности, выявление деградации посевов, контроль орошения и моделирование последствий климатических изменений.
Фотографии по теме:
Фото: СКФУ