Болезнь ещё никак себя не проявила, а компьютер уже обнаружил изменения в растении. Такие технологии испытывают и в Казахстане, где искусственный интеллект учится следить за посевами, определять сроки уборки и находить признаки заболеваний, сообщает El.kz.
Ещё недавно агроному приходилось обходить поля, осматривать растения и искать признаки заболеваний. Теперь часть этой работы выполняют камеры, беспилотники и компьютерные программы. Они замечают изменения, которые трудно обнаружить при обычном осмотре, и помогают определить, какие участки требуют внимания.
В Казахстане уже разрабатывают системы, способные обследовать посевы со спутника, направлять дроны к подозрительным участкам и оценивать зрелость растений. Некоторые прошли первые полевые испытания, другие пока проверяют в лабораториях. При этом в хозяйствах уже используют цифровые решения [БЭК: https://el.kz/ru/kak-fermery-iz-kazahstana-primenyayut-ii_400040825/] для контроля почвы и посевов.
Болезнь, которую ещё не видно
Первые признаки заражения зачастую возникают внутри растительных тканей. Меняются содержание воды, концентрация хлорофилла, процессы фотосинтеза. Лист при этом может сохранять привычный цвет и выглядеть совершенно здоровым.
Обнаружить такие изменения помогают гиперспектральные камеры. Они регистрируют отражённый растением свет в десятках и сотнях узких диапазонов. Полученные данные анализирует нейросеть, обученная различать характерные признаки здоровых и поражённых тканей.
В 2026 году журнал Smart Agricultural Technology опубликовал обзор 79 исследований ранней диагностики растений. В контролируемых условиях средняя точность распознавания заболеваний достигала 91,4%.
На открытых полях этот показатель снижался до 86,3%. Солнечный свет, тени, пыль и особенности растительности осложняют анализ. Кроме того, некоторые инфекции вызывают спектральные изменения, похожие на последствия засухи или нехватки питательных веществ.
Учёные рассматривают подобную диагностику как возможность обнаруживать заболевания до появления видимых симптомов. Насколько раньше удастся выявить инфекцию, зависит от возбудителя, культуры и используемого оборудования.
Спутник нашёл подозрительный участок. Дрон проверит
В Satbayev University разрабатывают систему Agroscope, которая объединяет спутниковую съёмку, беспилотники и искусственный интеллект. Проектом руководит Равиль Мухамедиев.
Сначала спутник обследует сельскохозяйственные угодья. Программа рассчитывает вегетационный индекс NDVI, позволяющий оценивать состояние растительности по отражённому свету. Если отдельный участок заметно отличается от остального поля, система выделяет его для дополнительной проверки.
Затем к выбранному месту направляется беспилотник. Его камеры получают изображения более высокого разрешения, по которым можно подробнее изучить состояние посевов. Причиной отклонений могут оказаться недостаток влаги, повреждения вредителями, заболевания или неравномерное развитие растений.
Разработчики рассчитывают использовать Agroscope для мониторинга посевов, планирования внесения удобрений и прогнозирования урожайности. В Казахстане также обсуждается локализация производства сельскохозяйственных дронов с ИИ. Сама система Agroscope пока проходит этап разработки.
Что обнаружили дроны под Карагандой
В Карагандинской области собственную систему анализа полей испытывает команда AgroSky. Стартап создали представители Карагандинского технического университета имени Абылкаса Сагинова.
Для обследования сельхозугодий разработчики используют беспилотники с мультиспектральными камерами. Снимки обрабатываются алгоритмами, которые выявляют неоднородность растительного покрова и участки с признаками стресса.
Опытные полёты проходили возле села Жартас. Полученные изображения позволили составить карты состояния посевов и выделить зоны, требующие дополнительного изучения. Специалисты также сообщили об обнаружении участков с признаками особенностей химического состава почвы.
По расчётам команды, применение технологии позволит сократить расходы на воду, удобрения и топливо примерно на 30%. Разработчики предполагают и повышение урожайности, однако эти показатели пока остаются прогнозными: испытания были посвящены сбору данных и проверке оборудования.
Нейросеть подскажет, когда косить траву
Искусственный интеллект способен помочь аграриям и с выбором сроков уборки. Особенно это актуально для кормовых культур, питательная ценность которых меняется по мере созревания.
Учёные Назарбаев Университета исследовали посевы в Северном Казахстане. С помощью беспилотника они наблюдали за развитием гороха, овса, суданской травы, вики и их смесей. Полученные изображения передавали нейросети ResNet, обученной определять степень зрелости растений.
Результаты работы опубликовал научный журнал Agronomy в декабре 2025 года. При оценке индекса зрелости коэффициент детерминации модели достиг 0,985, что свидетельствует о высоком соответствии прогнозов измеренным значениям в исследовании.
Для фермеров практический интерес представляет возможность следить за созреванием кормовых культур на больших площадях. Вместо обследования каждого участка специалисты смогут получать карты развития посевов и выбирать подходящий момент для уборки. Пока технология требует дальнейшей проверки в различных полевых условиях.
Диагноз по фотографии листа
Для некоторых задач достаточно обычного смартфона. Если заболевание уже проявилось внешне, компьютерное зрение может распознать его характерные признаки на фотографии.
В октябре 2026 года студенты Костанайского регионального университета имени Ахмет Байтұрсынұлы Данил Руш и Жангир Сатмырза представили разработку для диагностики болезней сельскохозяйственных растений. Проект показали на форуме AI & Digital Bridge в Астане.
Программа анализирует изображение растения и определяет возможные признаки заболевания. Авторы также предусмотрели рекомендации, которые помогут пользователю решить, какие действия предпринять.
Однако по внешнему виду листа не всегда удаётся установить причину повреждения. Пожелтение может быть вызвано инфекцией, нехваткой питательных веществ или нарушением полива. Поэтому результаты компьютерного анализа нуждаются в проверке специалистом. Данных о точности костанайской разработки в масштабных полевых испытаниях пока нет.
Огурцы под управлением компьютера
В Нидерландах учёные Wageningen University & Research пошли дальше диагностики и поручили алгоритмам управление теплицами.
В эксперименте AGROS II, проходившем с января по май 2026 года, огурцы выращивали в трёх одинаковых теплицах. Одной управлял цифровой двойник, другой – алгоритм искусственного интеллекта. В третьей решения принимали специалисты, ориентируясь на показания датчиков.
Цифровой двойник постоянно получал информацию о температуре, влажности и состоянии тепличной среды. Компьютерная модель рассчитывала последствия изменения условий и выбирала параметры управления климатом и подачей воды.
По результатам эксперимента исследователи сообщили об успешной работе цифрового двойника. Следующий этап испытаний намечен на 2027 год.
Схожий принцип используют системы интеллектуального орошения. Датчики измеряют влажность почвы, а программа сопоставляет показатели с погодными условиями и потребностями растений. Это позволяет рассчитывать полив для конкретных участков, где почва высыхает с разной скоростью. В Казахстане водосберегающие технологии также внедряют на сельскохозяйственных землях.
Почему агронома пока рано отправлять на пенсию
Главное препятствие для цифровой диагностики – разнообразие условий, в которых растут сельскохозяйственные культуры. Алгоритм, хорошо распознающий заболевание на лабораторных снимках, может ошибаться при другом освещении, на новом сорте или при одновременном воздействии нескольких факторов.
Имеет значение и качество обучающих данных. Чтобы система надёжно определяла заболевания казахстанской пшеницы, её необходимо проверять на местных сортах, при характерных для региона погодных условиях и на разных стадиях развития инфекции.
Есть и вопрос стоимости. Спектральные камеры, беспилотники, датчики и обработка изображений требуют вложений. Для хозяйства решающим показателем станет экономический результат: сколько удастся сэкономить на обработках, поливе и удобрениях, какие потери урожая получится предотвратить.
Казахстанские разработки уже позволяют исследовать конкретные агротехнические задачи. Под Карагандой дроны обследуют состояние посевов, в Северном Казахстане нейросеть оценивает зрелость кормовых культур, а костанайские студенты испытывают компьютерную диагностику растений. Следующий этап для этих проектов – продолжительные полевые испытания, которые покажут, насколько точно и экономически оправданно алгоритмы работают в реальных хозяйствах.
