Это ускорит сельскохозяйственные исследования в разы. Тестировали систему на мискантусе — высокорослой траве с разными сроками цветения.

Результаты опубликованы в издании Plant Physiology.

Точное определение признаков растений в полевых условиях — сложная задача, — говорит Эндрю Лики, профессор биологии растений из Университета Иллинойса.

Раньше приходилось вручную осматривать тысячи побегов. Теперь дроны делают снимки, а ИИ их анализирует.

Но есть проблема: обычно такие алгоритмы требуют горы размеченных данных. Если условия меняются — скажем, другой сорт или регион — модель приходится обучать заново.

Многие пытались использовать ИИ в сельском хозяйстве, но массового внедрения нет, — объясняет Лики.

Главная причина — огромные трудозатраты на обучение нейросетей.

Решение нашел Себастьян Варела. Он применил метод, где две нейросети соревнуются: одна создает изображения, а вторая пытается отличить подделку от оригинала. В процессе они учатся друг у друга. Так появилась ESGAN — система, которая сокращает объем ручной работы в десятки раз.

Теперь алгоритм можно быстро адаптировать под новые культуры и условия. Ученые уже тестируют его на мискантусе, чтобы вывести сорта для биотоплива.

Надеемся, наш метод поможет другим и ускорит развитие агротехнологий, — говорит Лики.

Это исследование — прорыв в автоматизации сельского хозяйства. Раньше анализ полевых данных требовал месяцев рутинной работы. Теперь ИИ справляется за часы. Особенно ценно, что модель легко перенастроить под другие культуры — это открывает двери для селекции засухоустойчивых или быстрорастущих сортов. В перспективе такие алгоритмы помогут точнее прогнозировать урожайность и адаптировать сельское хозяйство к климатическим изменениям.

Ранее эксперты предложили защищать сельскохозяйственные культуры от бактерий с помощью фагов.