фото:мк-кавказ
Молодые учёные из Северо-Кавказского федерального университета получили грант Российского научного фонда на создание интеллектуальной системы прогнозирования урожайности. Проект, направленный на цифровизацию сельского хозяйства, предусматривает разработку нейросетевой модели, анализирующей данные с дронов, спутников и метеостанций.
Инициативная группа под руководством младшего научного сотрудника Северо-Кавказского центра математических исследований СКФУ Валентины Арустамян стала победителем конкурса РНФ в 2025 году, получив финансирование в размере 1,5 миллиона рублей. Главная задача — создание комплексной цифровой платформы, которая позволит перейти от традиционных полевых наблюдений к точному и оперативному прогнозу состояния посевов.
«Мы планируем обучить нейросеть обрабатывать изображения, предоставляемые из разнородных источников информации: убирать шумы и пропуски… Ключевым результатом станет создание прогностической модели, способной производить мониторинг сельскохозяйственных полей, формировать прогноз урожайности», — пояснила Валентина Арустамян.
Система будет интегрировать данные дистанционного зондирования (БПЛА, спутники), метеопараметры и наземные наблюдения. Нейросеть, построенная на принципах компьютерного зрения и машинного обучения, научится: оценивать состояние растительности и почвы, анализировать температурные режимы и осадки, формировать точные прогнозы урожайности.
Это даст аграриям возможность своевременно планировать полив, подкормку и другие агротехнические мероприятия, минимизируя потери и повышая устойчивость урожая.
Исполняющая обязанности ректора СКФУ, профессор Татьяна Шебзухова отметила прикладную направленность работы учёных: «Ключевой принцип науки в нашем университете – это трансформация идей и исследовательских проектов в практическое русло. Мы приоритетно развиваем технологии, которые должны приносить реальную пользу экономике и быть ориентированными на технологическое лидерство».
Разработанная архитектура может быть адаптирована для решения других задач в сельском хозяйстве: мониторинга деградации посевов, контроля орошения и моделирования последствий изменения климата. Ожидается, что система найдёт применение в крупных агрохолдингах, региональных службах мониторинга и научных центрах.
Источник: mk.ru
