20марта 2026

1. Научно-производственный участок на базе ООО «СОЛНЕЧНЫЙ ДАР» 9 зон, 54 растения

2.

Ранняя диагностика состояния растений в защищённом грунте
RGB, тепловизионный и мультиспектральный анализ
Цель исследования
Выявлять стресс, болезни и дефициты на
доклинической стадии, когда проблему ещё
нельзя надежно зафиксировать визуальным
осмотром.
Актуальность
• тепличные комплексы требуют раннего
реагирования, чтобы не доводить растение
до «точки невозврата»
• визуальный осмотр агронома
малоэффективен на больших площадях и
фиксирует проблему слишком поздно
• комплексирование сенсоров позволяет
одновременно оценивать внешний вид,
физиологию и биохимию растения
RGB
Тепловизор
Мультиспектр
видимый диапазон
инфракрасный
диапазон
узкие спектральные
диапазоны
• морфология и
рост
• хлороз и некроз
• локализация
проблемы
• водный стресс
• корневая
система
• температура
листа
• NDVI, Red Edge,
NDWI
• ранняя
биохимия
• доклиническая
диагностика
2

3.

Платформа компьютерного зрения с машинным обучением для
диагностики болезней растений
Собраны и размечены датасеты из 7 000 снимков (6 000 – здоровых растений,
1000 – зараженных)
Задачи на 2026 год:
Текущие результаты:
1 . Разработана структура сверточной нейронной сети.
2. Камеры теплиц интегрированы с модулем искусственного
интеллекта.
3. Модель обучена на данных тепличного комплекса; проводится
тестирование на новых партиях изображений.
4. Разработана методика разметки изображений при подготовке
датасетов, проводится обучение сотрудников вузов консорциума
консорциума (на данный момент обучено 39 человек)
5. Разработана минималь но жизнеспособная платформа для
сбора данных , полуавтоматической разметки и базовой
аналитики изображений по выявлению болезней и вредителей
вредителей томатов, выращиваемых в тепличном комплексе
комплексе
1 . Увеличение базы датасетов до 20000 изображений
2.
Опытные
исследования
мул ьтиспектрал ьны х
гиперспектральны х снимков.
и
3. Автоматизация приёма снимков и метаданных;
4. Валидация качества снимков;
5. Машинное обучение на датасетах полученны х совместно
с АПХ «ЭКО-культура», АО «Тепличное»;
6. Автоматизация сервиса распознавания снимков по итогам
машинного обучения.
7

4.

Паутинный клещ
Особь 0,35 мм
Личинка 0,13 мм

5. Мультиспектральный анализ

540нм
GNDVI
Мультиспектральный анализ
780нм
PSRI
880нм

6.

Здоровое растение
Мучнистая роса (степень поражение до 5%, степень поражения 1)

7.

Здоровое растение (наблюдается снижение фотосинтетической активности)

8.

NPCI (Чем ниже тем лучше!!!)
Предположительно соотношение Хло/кар=1,9-4 – здоровое растение
NPCI (Нормированный пигментный хлорофилльный индекс) — это спектральный индекс, который
используется для оценки содержания пигментов в листьях растений, в частности, соотношения
каротиноидов и хлорофилла (азотный статус через содержание хлорофилла)
Индекс чувствителен к соотношению каротиноидов (желтые/оранжевые пигменты) и хлорофилла (зеленый пигмент). Когда растение здорово
и обеспечено азотом, в нем много хлорофилла. При стрессе, старении или нехватке азота содержание хлорофилла падает, и каротиноиды
становятся более заметными, что меняет значение индекса
1.Низкое значение NPCI (высокое содержание хлорофилла относительно каротиноидов) обычно указывает на то, что растение здорово, активно фотосинтезирует
и хорошо обеспечено питанием, особенно азотом.
2.Высокое значение NPCI (снижение хлорофилла, возрастание доли каротиноидов) является индикатором стресса. Это может быть связано с:
1. Нехваткой азота.
2. Недостатком или избытком влаги.
3. Плохим освещением.
4. Болезнями или старением листьев.

9.

1.Обнаружение "невидимого": Мучнистая роса начинает менять структуру листа (текстуру) раньше,
чем его цвет или температуру. Текстурные индексы нацелены именно на это первичное изменение.
Резюме
•Спектральные индексы (NDVI, PRI) — это "врачи общей практики". Они видят болезнь, когда она уже
нарушила обмен веществ (изменила цвет).
•Текстурные индексы (TTCI, NDTI) — это "микроскописты". Они видят болезнь, когда она только
появилась на поверхности, еще не успев навредить внутренним процессам.
Для создания системы раннего оповещения о мучнистой росе в теплице комбинация этих двух типов
индексов была бы идеальной: текстурные для тревоги, спектральные для подтверждения и оценки
масштаба.