Цифровые инновации в зерновом производстве: методологические принципы использования технологий искусственного интеллекта

В статье рассматривается инновационный подход к мониторингу зерновых экосистем, основанный на использовании нейросетевых технологий. Проведена классификация задач мониторинга фитосанитарного состояния посевов зернового поля, выделены соответствующие им инструменты интеллектуализации. Основное внимание уделено проблемам обнаружения, классификации и развития болезней на посевах, для эффективного решения которых предлагается использовать методы компьютерного зрения, включая комплекс сверточных архитектур GoogleNet, DenseNet, U-Net, показавших высокую производительность в задачах классификации и сегментации на тестовых выборках изображений болезней пшеницы, полученных в результате трехлетних полевых экспериментов на территории Краснодарского края. Результаты исследования показывают, что использование нейросетевых методов в процессе мониторинга зерновых экосистем способствует эффективному решению сложных задач, связанных с диагностическими процедурами, позволяя снизить уровень неопределенности в процессе принятия решений, что особенно актуально в условиях воздействия факторов внешней среды, обладающих высоким уровнем случайности и вариабельности. В качестве основного барьера интеллектуализации производственных процессов выделяется отсутствие методологии для работы с искусственным интеллектом, большими данными и другими цифровыми технологиями на разных уровнях управления в аграрном секторе экономики, которая затрагивает не только вопросы технической реализации и внедрения искусственного интеллекта, но и организационные аспекты, включая работу с данными, кадровое обеспечение процесса интеллектуализации, информационную инфраструктуру, определение ролей и ответственность участников процесса, а также интеграцию интеллектуальных решений с модулем агрорешений национальной платформы «Цифровое сельское хозяйство».