Разработка AI-системы детекции вредителей в агрокультурах

Детекция вредителей в поле: где ломается ручной осмотр

Сплошной обход участка в несколько сотен гектаров невыполним: агроном идёт по маршруту и осматривает выборку точек — по диагонали поля, считая вредителя на растениях в фиксированной рамке. Такой ручной осмотр полей даёт срез на конкретный день, но плотность выборки на порядки ниже площади, а насекомые в поле распределены неравномерно.

Очаг поражения — это всегда локальное пятно: низина, кромка поля, зона у лесополосы или прошлогодней пашни. Вероятность, что маршрут пройдёт именно через него, невысока, а феромонные ловушки ловят лёт взрослых особей и почти не показывают, где уже кормится личинка.

Между двумя осмотрами проходит от недели до двух. За это время вредитель успевает дать поколение, и пятно разрастается в разы, а часть видов уходит вглубь — на нижнюю сторону листа, внутрь стебля, к корневой шейке, где визуальный контроль по листу уже ничего не даёт.

Отсюда позднее обнаружение вредителя со своей ценой: решение принимают не по очагу, а по всему полю, обработка идёт по площади, а потери урожая считают уже после того, как повреждения стали необратимыми и порог вредоносности пройден с запасом.

Разбираем, как это закрывается — как строится регулярный обзор всей площади, и почему решение по очагу удаётся принять раньше, чем потери станут видны.

Измеримый эффект: скорость осмотра, охват полей, раннее оповещение

Раньше обследование держалось на маршруте агронома: за день закрываются выборочные точки на нескольких гектарах, а решение «обрабатывать или ждать» принимается по ним. Детекция вредителей меняет три вещи: долю обследованной площади, время от появления очага до сигнала и набор отказов, которые перестают случаться.

Охват полей, скорость осмотра и регулярность

Облёт по сетке с перекрытием кадров закрывает весь контур за один пролёт: обследованная площадь растёт с выборочных единиц процентов до полного покрытия, и не за счёт того, что агроном быстрее ходит. Дальше снимки обрабатываются пакетно — модель размечает очаги, координаты складываются в карту очагов по квадратам, и по ней видно не только «где», но и как пятно растёт от выезда к выезду. Регулярность держится расписанием: раз в неделю в фазе активного лёта, реже — вне её, без ручного перепланирования маршрута.

Раннее оповещение и время реакции

Сигнал приходит в тот же день: время от появления очага до оповещения сокращается с недель — пока вредителя увидят глазами — до часов, пока пятно занимает единицы квадратов. Порог уверенности модели настраивается под культуру: где-то выгоднее поймать ложное срабатывание и перепроверить, где-то важнее не пропустить. Снимается целый класс отказов — усталость и субъективность осмотрщика, пропуск краевых зон, разное прочтение одного симптома двумя специалистами.

Точность распознавания держим на валидированных наблюдениях из iNaturalist, дозаполняя выборку своими кадрами с полей, — поэтому модель не «плывёт» на новом сорте или фоне.

Способы детекции вредителей: сравнение подходов

Способ наблюдения выбирают не по точности модели, а по тому, какой сигнал нужен и с какой частотой. Детекция вредителей по снимкам срабатывает только тогда, когда признак различим в кадре, — поэтому ключевой вопрос не в алгоритме, а в носителе съёмки и её периодичности.

Что снимаем и как часто

Где какой способ проигрывает

Ни один вариант не закрывает массив целиком, и проигрывают они по-разному. Непрерывное наблюдение ловит момент начала вспышки, но даёт точечную картину по нескольким растениям; облёт строит карту распространения, но пропускает быстрые изменения между вылетами; выборочный осмотр точен по виду, но не масштабируется на большие площади.

Поэтому источники комбинируют: ловушки поднимают тревогу, облёт уточняет границы, осмотр подтверждает вид перед обработкой. Контур детекции при этом остаётся один — меняется формат кадров и частота их поступления, а от этого зависит, какие способы стыкуются между собой без перестройки системы.

Как мы внедряем систему: этапы инженерной работы

Работы идут в фиксированном порядке: каждый этап отдаёт артефакт, который проверяется до перехода к следующему. Пропущенное обследование полей оборачивается схемой наблюдения «средней по больнице» — и модель уверенно ошибается на конкретной культуре.

1. Обследование полей. Выезд на участки: карта культур и севооборота, история обработок, зоны прошлых вспышек. На выходе — перечень вредителей по стадиям развития, а не пожелание «хотим детекцию».
2. Схема наблюдения. Выбираем источники изображений — камеры на технике, облёт дроном, стационарные ловушки. Фиксируем частоту съёмки, ракурс и привязку кадра к координатам, чтобы сигнал приходил с точностью до ряда.
3. Сбор и разметка снимков. Нужны кадры при разном свете и на разных стадиях роста. Спорные кадры размечают двое, расхождения разбираем: иначе шум уходит прямо в обучение.
4. Обучение и настройка порогов срабатывания. Порог подбираем по цене ошибки, а не по красивой цифре: пропуск очага дороже лишнего выезда, поэтому баланс полноты и точности настраиваем под регламент агронома.
5. Проверка на контрольных участках. Тестируем на полях, не участвовавших в обучении, — другая культура, другая погода, другая техника съёмки.
6. Передача и обучение агрономов. Регламент обхода, реакция на сигнал, разбор ложных срабатываний. Без этого даже точная модель остаётся невостребованной.

Как проверяем качество

Приёмка идёт по контрольным участкам: доля пропущенных очагов, число ложных срабатываний на гектар, повторяемость между съёмками. Отдельно смотрим деградацию — как система ведёт себя при смене освещения или новой культуре, чтобы сбой был управляемым, а не внезапным.

Комплект поставки: модели, схемы, регламенты и доступы

Систему считаем сданной не в момент, когда модель показала нужную точность на тестовой выборке, а когда хозяйство эксплуатирует её без нас. Поэтому комплект поставки — это не только обученная модель, но и всё, что нужно агроному, инженеру и службе защиты растений для ежедневной работы.

Техническая часть

• Настроенная модель детекции вредителей, дообученная на снимках конкретных полей: зафиксированы пороги срабатывания и классы вредителей, которые реально встречаются в хозяйстве.
• Схема размещения камер и ловушек: привязка к карте полей, высота и угол установки, зоны перекрытия — повторная установка на новом контуре занимает часы, а не недели.
• Права доступа к панели: роли агронома, инженера и руководителя, разграничение по участкам, журнал действий и ключи обмена с учётной системой хозяйства.
• Модуль выгрузки наблюдений и накопления снимков для дообучения, с регламентом резервного копирования.

Документация и регламенты

• Регламент обработки сигналов: кому и за какое время уходит уведомление, как подтверждается срабатывание, в каком порядке идёт эскалация.
• Инструкция для агронома: как читать сводку по полю, подтверждать или отклонять срабатывание и помечать ложные.
• Паспорт модели: на каких данных обучена, где границы применимости и при каких признаках нужна перенастройка.
• Акт передачи с журналом приёмки: что и на каких полях проверено, кто отвечает за эксплуатацию.

Комплект передаётся в рабочем виде: доступы выдаются ответственным сотрудникам, документация написана с примерами по вашим полям. Опишите задачу — вернёмся с оценкой и планом передачи.

Кейс: как снизили потери урожая на опытных участках

До проекта хозяйство обходило опытные участки вручную: агроном фиксировал очаги в журнале, а полный объезд занимал несколько дней. В среднем находили около 60% очагов, остальные выявлялись уже на стадии, когда вредитель переходил на соседние ряды. От первого сигнала до обработки проходило от пяти до семи дней.

Мы собрали конвейер: съёмка участков, разметка снимков агрономом, дообучение модели на каждом цикле и карта очагов с координатами, которая уходит бригаде. Модель отдаёт вероятность, а порог срабатывания настраивается под культуру и фазу роста — это снимает ложные сигналы на пожухлой листве и тенях. Обучение шло на открытом стеке PyTorch, веса и код остаются у заказчика.

На тех же участках доля обнаруженных очагов выросла выше 90%, время реакции сократилось до суток, площадь повторного поражения — до 8% против четверти поля раньше. Часть полей осталась контрольным участком со старой схемой обхода: там цифры не изменились, что и позволило отделить эффект модели от погодного сезона.

Границы применимости кейса

Кейс не переносится на любое хозяйство без настройки. Результат получен на одной культуре и одном сезоне: на других вредителях и другом освещении точность придётся подтверждать заново, а очаги в затенении и по краю поля детектируются хуже. Модель не заменяет агронома — она показывает, куда смотреть, а решение об обработке остаётся за специалистом.

Что делать, если часть полей уже закрыта камерами и датчиками?

Что уже стоит в поле, почти всегда можно задействовать: опоры, питание, канал связи и сами камеры переиспользуются без замены. Проблема в том, что обзорные камеры ставили под другие задачи — контроль периметра, учёт техники — и по углу обзора, высоте подвеса и освещённости они годятся для детекции вредителей лишь частично. Инвентаризация даёт два ответа: какую долю площади камера закрывает с достаточным для распознавания качеством и где остаются слепые зоны.

Камеры и датчики закрывают разные половины задачи. Камера фиксирует факт и локализует очаг, а датчики влажности, температуры и феромонные ловушки дают контекст, по которому модель отличает сезонный фон от вспышки. Связка работает по совмещению времени и координаты: одиночное срабатывание без подтверждения датчика уходит в очередь на проверку, а не в уведомление агроному.

Частичное покрытие полей — не повод откладывать запуск. Система работает на участках, где уверенность модели выше заданного порога, остальное закрывают маршрутные осмотры по расписанию. Границу контроля сдвигают постепенно: по мере дооснащения площадь под автоматическим наблюдением растёт без перестройки логики и повторной разметки.

Пробный запуск делаем на одном участке: берём уже накопленный архив, размечаем его и дообучаем модель под конкретную культуру и вредителя. За несколько недель видно точность и долю ложных срабатываний в реальных условиях поля — после этого расширение на остальные участки идёт с понятным риском, а не вслепую. Достраивать приходится обычно немного: точечные камеры на слепых зонах, метеостанцию и корректную геопривязку снимков.

Технические сомнения: точность, ложные срабатывания, погода

Точность модели — не одно число, а набор режимов: на приёмке считаем раздельно верные срабатывания по каждому вредителю, пропуски и ложные тревоги, которые стоят выезда агронома. Ориентир — стандарты фитосанитарного учёта EPPO.

Что происходит при съёмке в туман и ночью?

В тумане видимый канал теряет контраст — работаем в паре с инфракрасной подсветкой и спектральными индексами. Ночью часть вредителей в ИК видна хуже, под них заведены отдельные классы. При плотном тумане система отвечает «неопределённо» и предлагает пересъёмку.

Как боретесь с ложными срабатываниями?

Детектор находит кандидатов, второй классификатор подтверждает их на увеличенном фрагменте, и только потом уходит уведомление. Порог подбираем под цену ошибки в хозяйстве: где-то дороже пропуск, где-то лишний выезд. Пороги калибруются по подтверждениям агронома.

Что делать без устойчивой связи?

Распознавание идёт прямо на устройстве: кадр обрабатывается на месте, на сервер уходят метаданные и спорные кадры. Результаты копятся в локальном буфере и синхронизируются при появлении сети — обход не зависит от покрытия.

Обсудим задачу: подберём схему под ваши культуры и поля

Чтобы вернуться с оценкой и планом работ, а не с общими соображениями, нам нужен минимум исходных данных по хозяйству. Пробный запуск на одном участке обычно укладывается в две-четыре недели — срок напрямую зависит от того, насколько полны материалы по полям и есть ли уже отснятые и размеченные кадры.

Что прислать для оценки:

• Карту полей: границы участков, площади, схему севооборота и разбивку по культурам.
• Перечень культур и фенофаз, на которых важно поймать вредителя — от всходов до налива.
• Что уже стоит на участке: стационарные камеры, дроны, метеостанция, телеметрия техники — и есть ли доступ к архивам.
• Снимки и кадры за прошедший сезон, включая те, где поражение подтверждено, и чистые контрольные участки.
• Журнал обработок: даты, участки, чем работали — чтобы связать сигналы системы с фактическими результатами.
• Кто на месте принимает решение и в каком виде ему удобно получать сигнал: карта, список участков, уведомление.
• Ограничения по связи, регламент полётов и требования к хранению данных по полям.

Этого достаточно, чтобы подобрать схему съёмки, оценить объём разметки и назвать сроки пробного запуска на вашем участке. Если части данных нет — так и скажите: обсудим, чем заменить, часто хватает наземных наблюдений агронома за сезон.

Опишите задачу — культуры, площадь, что уже работает на полях. Вернёмся с оценкой, планом работ и границами пробного запуска, дальше решение за вами.

• Ждут «универсальную» систему на все культуры и всех вредителей сразу: одна модель вместо приоритетного вредителя и одной культуры даёт размытый результат и непонятную ответственность за промахи
• Оценивают качество по одному показательному снимку, а не по всему сезону: не проверяют работу в сумерках, при ветре, на загущенных рядах и на краю поля
• Считают, что раз камеры и датчики уже стоят, система заработает сама: без разметки местных данных и обучения на конкретных сортах точность остаётся на уровне случайного угадывания
• Оставляют без ответа вопрос «что делать после оповещения»: сигнал приходит, но нет регламента — кто едет в поле, в какие сроки, чем обрабатывает и как фиксирует результат
• Скрывают реальную картину участков: разные схемы посадки, старые линии связи, участки без электричества — всё это всплывает на этапе запуска и превращается в переделку
• Требуют нулевой ошибки: после первых ложных срабатываний систему отключают, не дав настроить пороги чувствительности под свои условия
• Ставят задачу «найти вредителя», а не «снизить потери урожая»: без измеримой цели невозможно доказать эффект и защитить проект перед руководством
• Берут готовую модель как коробку без регламентов, схем и прав доступа: при смене агронома или подрядчика система остаётся без хозяина и тихо перестаёт использоваться
• Начинают с самого большого и сложного поля вместо опытного участка: масштабируют непроверенное решение и теряют сезон на исправление ошибок