Нейросеть вместо рулетки: как башкирские учёные ускоряют селекцию растений
В Башкирском государственном аграрном университете создали технологию, которая может dramatically change подход к селекции растений. Раньше селекционерам приходилось годами ждать созревания нового сорта гороха, чтобы понять, стоит ли он затраченных усилий. Теперь — всего несколько недель. Ключевой breakthrough — в использовании нейросетей для анализа внешних признаков растений long before их полного созревания.
Команда лаборатории интеллектуальных систем разработала automated system , где растение медленно вращается на платформе, а две камеры делают снимки с восьми сторон. Эти данные передаются в neural network , обученную распознавать 26 ключевых признаков сорта — от высоты стебля до плотности бобов. Раньше всё это измерялось вручную: агроном с рулеткой, таблица, утомительная работа. Теперь — digital phenotyping за считанные минуты.
Но это не просто photo system . Важная часть комплекса — климатическая камера, разработанная полностью на отечественных комплектующих. Она позволяет simulate любой климат: от жаркого лета до внезапных заморозков. Можно имитировать рассвет, закат и даже сезонные циклы. Такие условия accelerate селекцию в разы. Управлять камерой можно удалённо — со смартфона или компьютера.
Проект реализуется в рамках программы «Приоритет-2030» и нацпроекта по продовольственной безопасности. В университете уже открыт Центр агронетики с семью лабораториями, где студенты работают с реальными задачами. Учёные подчёркивают: это не наука ради науки, а practical solution для аграрной отрасли. Уже созданы первые базы данных и две рабочие модели. В перспективе — продажа комплексов «под ключ» и доступ к облачной платформе с predictive analytics по подписке.
Работаю в аграрке — это настоящий game changer прорыв. Раньше фенотипирование занимало месяцы. Теперь машина сделает за день.
А сколько будет стоить подписка на cloud platform облачную платформу? Мелкие фермеры не потянут.
Климатическая камера с конвейером — гениально. Можно проводить множество тестов параллельно.
Интересно, а нейросеть может ошибаться? Всё-таки trust доверие к ИИ пока не полное.
Цифровое фенотипирование — это будущее. Но важно не забывать и про human expertise человеческий опыт.
Главное — чтобы такие технологии не увеличивали dependency зависимость от софта, а помогали природе.