Исследователи представили глубокую нейронную сеть PotatoGuardNet, предназначенную для максимально быстрого и точного выявления болезней листьев картофеля. Модель уникальна тем, что комбинирует две задачи: она не только классифицирует тип заболевания («что это?»), но и точно локализует очаг поражения на изображении («где проблема?»). Это позволяет получать детализированные и наглядные результаты. В тестах на основе публичного набора данных PlantVillage система продемонстрировала впечатляющую точность классификации в 99,41% и высокую надежность детекции (mAP: 0,9556). Для повышения доверия пользователей разработчики добавили функцию визуализации «тепловых карт», показывающих, на какие именно участки листа модель обратила внимание при принятии решения.
Практическая ценность исследования заключается в потенциале революционного преобразования мониторинга посевов. Подобный инструмент может обеспечить более раннее и последовательное обнаружение угроз, что критически важно для своевременного и точечного применения средств защиты растений. Это ведет к снижению потерь урожая, оптимизации затрат на агрохимикаты и повышению общей устойчивости производства. Однако ключевым этапом перед широким внедрением станет обязательная валидация системы в реальных, а не лабораторных, полевых условиях, где присутствуют все многообразие погодных факторов, освещения и стадий развития растений.
