Интеллектуальная система дистанционного мониторинга фитосанитарного состояния агробиоценозов в условиях природно-климатического риска: научно-методическое обоснование и разработка архитектуры
Интеллектуальная система дистанционного мониторинга фитосанитарного состояния агробиоценозов в условиях природно-климатического риска: научно-методическое обоснование и разработка архитектуры
Аннотация
Актуальность исследования обусловлена необходимостью перехода от унифицированных агротехнологий к пространственно дифференцированным решениям в условиях рискованного земледелия.
Цель исследования — разработка и научно-методическое обоснование концептуального решения для рационального использования агробиоценозов, обеспечивающее устойчивость растениеводства в условиях рискованного земледелия, сохранение почвенного плодородия и получение растительного сырья с заданными показателями безопасности и технологического качества.
Объектом исследования являются агробиоценозы полевых культур в условиях повышенной погодной и пространственной изменчивости.
Методологическую основу составляют совместная обработка данных средств беспилотных автоматизированных систем, наземных фитосанитарных обследований и агрометеорологических наблюдений, а также сверточные нейронные сети, алгоритмы геопространственного анализа.
Разработана концептуальная архитектура интеллектуальной системы дистанционного мониторинга развития и фитосанитарного состояния агробиоценозов в период активной вегетации. Система предназначена для выявления сорной растительности, локализации очагов её распространения, обнаружения визуальных признаков повреждения культур вредителями и болезнями, а также формирования пространственно дифференцированных рекомендаций по биозащите. Предложена трёхуровневая схема мониторинга, включающая обзорный, детализирующий и подтверждающий уровни наблюдений. Предложен алгоритм преобразования результатов классификации и сегментации в карты-задания для локального внесения средств защиты растений с учётом экономических порогов вредоносности, регламентов применения препаратов и технических ограничений оборудования.
1. Введение
Земледелие в условиях повышенного природно-климатического риска характеризуется нестабильностью урожайности, дефицитом или избытком влаги, температурными стрессами и рисками деградации почв. Унифицированные агротехнологии не всегда учитывают пространственную неоднородность полей и изменчивость погодных условий. Повышение устойчивости растениеводства в условиях континентального климата требует перехода от усредненного управления полем к пространственным и дифференцированным решениям. Неравномерность увлажнения, изменчивость температурного режима, неоднородность почвенного покрова и различия в развитии растений формируют внутри одного агробиоценоза участки с неодинаковой продуктивностью и фитосанитарной нагрузкой. Сплошная обработка таких участков по единой схеме не всегда соответствует фактической потребности в защитных мероприятиях
.Традиционные маршрутные обследования сохраняют диагностическую ценность, однако ограничены трудоемкостью и пространственным охватом. Дистанционный мониторинг позволяет чаще оценивать состояние агробиоценоза и локализовать неоднородности не обеспечивая достоверного установления их причин. Схожие изменения окраски и структуры растительного покрова могут быть связаны с засухой, дефицитом питания, болезнями, повреждением вредителями или нарушением агротехнологии. Применение методов цифрового мониторинга, алгоритмов прогнозной аналитики и дифференцированного управление агротехническими операциями позволяют адаптировать сельскохозяйственное производство к складывающимся условиям природно-климатических рисков
.Уход с рынка ряда зарубежных операторов программного обеспечения для точного земледелия и ограничения на использование зарубежных облачных сервисов диктуют необходимость создания отечественных аппаратно-программных комплексов, учитывающих локальную агрономическую специфику и нормативную базу. Внедрение подобных интеллектуальных систем наиболее экономически обосновано для крупных и средних сельскохозяйственных предприятий, возделывающих высокомаржинальные культуры, где стоимость беспилотного мониторинга и ИИ-аналитики многократно окупается за счет экономии средств защиты растений (СЗР) и сохранения урожая
.2. Методы и принципы исследования
Предлагается трехуровневая схема мониторинга, включающая:
- обзорный уровень — выявление неоднородностей развития посевов и зон потенциального неблагополучия;
- детализирующий уровень — съемка с пространственным разрешением, достаточным для распознавания целевых объектов;
- подтверждающий уровень — наземное обследование, учет вредных организмов и, при необходимости, лабораторная диагностика.
Спутниковые изображения могут использоваться для общего анализа динамики растительного покрова. Основным источником данных для распознавания отдельных растений и локальных повреждений предполагается беспилотная и наземная съемка. Возможность обнаружения конкретного объекта должна устанавливаться экспериментально с учетом его размера, контрастности и фактического пространственного разрешения
.Состав и структура информационно-аналитической базы представлены в таблице 1.
Состав и структура информационно-аналитической базы
по ист. [5], [6], [7], [8]
Группа данных | Содержание | Назначение |
RGB-изображения | Цветные изображения посевов и отдельных растений | Распознавание культурной и сорной растительности, видимых повреждений |
Мультиспектральные данные | Спектральные каналы, включая ближний инфракрасный и канал красного края при наличии соответствующего сенсора | Анализ неоднородности растительного покрова и признаков стресса |
Наземные обследования | Видовой состав, плотность сорняков, численность вредителей, распространенность и развитие болезней | Формирование эталонной разметки и подтверждение диагностики |
Агрометеорологические данные | Температура, осадки, влажность, ветер и другие доступные показатели | Интерпретация динамики состояния растений и ограничение условий обработки |
Агротехнологические данные | Культура, сорт, сроки сева, предшественник, внесенные удобрения и средства защиты | Учет истории поля и возможных причин наблюдаемых изменений |
Геопространственные данные | Границы поля, рельеф, защитные зоны, препятствия | Построение карт и планирование операций |
Данные исполнительной техники | Рабочая ширина, характеристики секций или форсунок, задержки управления, точность навигации | Адаптация карты-задания к фактическим возможностям обработки |
Алгоритм, представленный на рисунке 1 отражает принцип последовательного уточнения диагностики от общего обзора к точечной верификации, что снижает риск ложных срабатываний системы. На верхнем уровне осуществляется обзорный мониторинг с использованием спутниковых снимков и обзорных полетов БПЛА для выявления зон потенциального стресса. На среднем уровне выполняется детализирующая съемка с высоким пространственным разрешением для распознавания объектов и локальных повреждений. На нижнем уровне проводится наземное обследование и лабораторная диагностика для верификации причин аномалий и формирования эталонной разметки
, .
Трехуровневый алгоритм мониторинга фитосанитарного состояния агробиоценозов

Состав и взаимосвязь исходных данных интеллектуальной системы
Модульная архитектура интеллектуальной системы мониторинга, представленная на рисунке 3, включает следующие модули: прием и хранение данных, контроль качества и предобработка нейросетевой анализ и пространственно-временной анализ, оценка неопределенности, агротехнологический модуль поддержки решений, модуль формирования карт-заданий.

Модульная архитектура интеллектуальной системы мониторинга агробиоценоза
Алгоритм обработки входного RGB-изображения высокого разрешения представлен на рисунке 4. Параллельно выполняются сегментация (выделение маски признаков «Растительность, Фон, Сорняк») и детекция (поиск дефектов развития). После геоинформационной привязки и наложения масок система оценивает точность модели. При точности («accuracy») более 75% объект переводится в категорию «Вероятный объект» для включения в карту-задание. При точности менее 75% формируется задание на наземную проверку. Результатом является формирование карт геопространственных аномалий развития агробиоценоза. Порог точности классификации «accuracy» более 75% для перевода объекта в категорию «Вероятный объект» для карты-задания обоснован экспертной оценкой агрономов: при более высоком пороге (например, 90%) система будет генерировать избыточные задания на наземную проверку, сводя на нет экономию труда; при более низком — возрастет риск ложноположительных срабатываний и неоправданного внесения химии
.
Алгоритм применения методов компьютерного зрения для диагностики фитосанитарного состояния

Алгоритм двухступенчатой агрономической верификации результатов нейросетевого анализа

Архитектура нейронной сети U-Net для семантической сегментации агробиоценозов
Критерии технологической, экономической и экологической оценки интеллектуальной системы мониторинга агробиоценозов
Направление | Показатели |
Диагностическое | Полнота обнаружения значимых очагов, частота ложных срабатываний, качество локализации |
Технологическое | Доля корректно выполненного задания, пропуски, перекрытия, отклонение фактической дозы |
Агрономическое | Эффективность подавления вредных объектов, состояние культуры, урожайность и качество сырья |
Ресурсное | Обработанная площадь, расход препарата, воды, топлива, затраты труда |
Экономическое | Совокупные затраты, стоимость сохраненной продукции, изменение экономического результата |
Экологическое | Масса действующих веществ, показатели риска для нецелевых объектов, остаточные количества в продукции |
3. Заключение
Предложена архитектура интеллектуальной системы дистанционного мониторинга развития и фитосанитарного состояния агробиоценозов, объединяющая беспилотную съемку, наземные обследования, сверточные нейронные сети и геопространственный анализ. Основой системы является последовательное разделение задач обнаружения признаков, подтверждения их причин и принятия решения о защитном мероприятии. Такой подход позволяет учитывать ограничения компьютерного зрения и снижать риск необоснованного применения средств защиты растений. Для поиска сорной растительности предложена схема семантической сегментации с последующим выделением очагов и анализом их многовременной динамики. Для мониторинга болезней и повреждений вредителями предусмотрено сочетание дистанционного выявления подозрительных участков с уточняющей диагностикой. Формирование карт-заданий должно выполняться с учетом агротехнологической необходимости, действующих регламентов, неопределенности распознавания и технических возможностей оборудования. Обязательным элементом является контроль фактического выполнения и последующей биологической эффективности. Результативность системы подлежит подтверждению в независимых полевых испытаниях. Критерием ее успешности следует считать не только точность распознавания, но и обоснованность решений, сохранение урожайности и качества сырья, ресурсную эффективность и подтвержденное снижение негативного воздействия на окружающую среду.
