Анна Федора Чешкова, кандидат физико-математических наук
р.п. Краснообск, Новосибирская обл.
Anna F. Cheshkova, Ph.D.(Phys.-Math.), leading reseacher
Krasnoobsk, Novosibirsk region
Вера Сергеевна Риксен, кандидат сельскохозяйственных наук
р.п. Краснообск, Новосибирская обл.
Vera S. Riksen, Ph.D.(Agri.), junior reseacher
Krasnoobsk, Novosibirsk region
Точная, своевременная и неинвазивная диагностика болезней имеет важное значение в промышленном производстве земляники, так как позволяет минимизировать потери урожая и снизить затраты на обработку растений. Благодаря развитию беспилотных летательных аппаратов и сенсорных технологий дистанционное зондирование становится перспективным способом мониторинга болезней сельскохозяйственных культур. Оперативное выявление заболевания на ранних стадиях особенно важно для таких чувствительных культур, как земляника садовая. (Цель исследования) Анализ возможности обнаружения грибковых болезней земляники садовой в полевых условиях с применением мультиспектральных сенсоров и беспилотных летательных аппаратов. (Материалы и методы) В коллекционном питомнике СибФТИ СФНЦА РАН была выполнена аэрофотосъемка растений земляники, пораженных белой пятнистостью. Мультиспектральная камера была установлена на квадрокоптере DJI Phantom4 Multispectral. Полученные данные прошли предварительную обработку, включая построение ортофотоплана и извлечение спектральных и текстурных характеристик изображений. (Результаты и обсуждение) На основе анализа мультиспектральных данных выделены наборы информативных признаков для дифференциации здоровых и пораженных грибками растений. Методом случайного леса (Random Forest) построена модель для обнаружения болезней земляники с точностью классификации 77 процентов. (Выводы) Для повышения точности классификации необходимы дополнительные исследования с применением сенсоров, обладающих более высоким пространственным разрешением. Также перспективным направлением является разработка классификационных моделей на основе сверточных нейронных сетей, которые могут улучшить результаты за счет более глубокого анализа изображений. Полученные результаты подтверждают потенциал использования БПЛА и мультиспектральных технологий для мониторинга заболеваний сельскохозяйственных культур.
Accurate, timely, and non-invasive diagnosis of plant diseases is essential in the industrial cultivation of strawberries, as it helps minimize yield losses and reduce treatment costs. With the advancement of unmanned aerial vehicles and sensor technologies, remote sensing has emerged as a promising tool for monitoring crop health and detecting diseases. Early detection is especially important for sensitive crops such as garden strawberries. (Research purpose) The research aims to evaluate the potential of using multispectral sensors and unmanned aerial vehicles for detecting fungal diseases in garden strawberries under field conditions. (Materials and methods) Aerial imaging of strawberry plants affected by white leaf spot was carried out at the experimental nursery of the Siberian Federal Research Center for Agro-BioTechnologies of the RAS (SibFRC ABT RAS). A DJI Phantom 4 Multispectral quadcopter equipped with a multispectral camera was used for data collection. The acquired imagery underwent preliminary processing, including orthophotomap generation and extraction of spectral and textural features from the images. (Results and discussion) Analysis of the multispectral data enabled the identification of informative feature sets for distinguishing between healthy and fungus-infected strawberry plants. A disease detection model developed using the Random Forest algorithm, achieved a classification accuracy of 77%. (Conclusions) To improve classification accuracy, further research involving sensors with higher spatial resolution is recommended. Another promising direction is the development of classification models based on convolutional neural networks, which offer improved performance through deeper image analysis. The results confirm the potential of UAV-based multispectral imaging for effective crop disease monitoring.
The authors declare that there are no conflicts of interest present.