Архив Сельское хозяйство · Теплицы, садоводство и виноградарство
CATAS, Чжэнчжоу и WSU: нейросети оценивают повреждения винограда, точность 95,3%
В исследовательском проекте нейросеть VGG16 классифицировала повреждения винограда по изображениям с точностью 95,3%. Геномный отбор по бинарным признакам дал 95,7%, выявлено 69 локусов и 139 генов-кандидатов.
Кейс предоставлен Vinum ex Machina
запись № 191 · Кейсбук v2026-09-29, Никита Худов · CC BY-SA 4.0
Текст адаптирован под формат паспорта АрхИИВ и публикуется по CC BY-NC 4.0 с разрешения автора Кейсбука.
/01 · ключевые результаты
Цифры приведены по Кейсбуку Vinum ex Machina и не сверены редакцией с первоисточником.
-
возможность системы
95,3%
точность классификации повреждений моделью VGG16
Vinum ex Machina, документ, 29.09.2026
2025 год · исследование повреждений и геномного отбора на винных и столовых сортах винограда
данные исследования
-
возможность системы
0,88 R²
коэффициент детерминации R² модели DCNN-PDS
Vinum ex Machina, документ, 29.09.2026
2025 год · исследование повреждений и геномного отбора на винных и столовых сортах винограда
данные исследования
-
возможность системы
95,7%
точность геномного отбора по бинарным признакам
Vinum ex Machina, документ, 29.09.2026
2025 год · исследование повреждений и геномного отбора на винных и столовых сортах винограда
данные исследования
- 69 шт. выявлено локусов · масштаб Vinum ex Machina, документ, 29.09.2026
- 139 шт. выявлено генов-кандидатов · масштаб Vinum ex Machina, документ, 29.09.2026
оценка strategai
Оценка не рассчитывается.
В исследовательском проекте нейросеть VGG16 классифицировала повреждения винограда по изображениям с точностью 95,3%. Геномный отбор по бинарным признакам дал 95,7%, выявлено 69 локусов и 139 генов-кандидатов.
/02 · паспорт кейса
Бизнес
- Компания
- CATAS, Институт плодоводства в Чжэнчжоу, Университет штата Вашингтон
- Отрасль
- Сельское хозяйство · Теплицы, садоводство и виноградарство
- Функция
- Производство и основные операции
- Задача
- Точное земледелие и животноводство
Технология
- Класс AI
- Компьютерное зрение
- Тип решения
- Собственная разработка
Внедрение
- Стадия
- Исследование, на 29.09.2026
- География
- Китай
/03 · описание кейса
Зачем
Бизнес-задача
Исследователи Китайской академии тропического сельского хозяйства, Института плодоводства в Чжэнчжоу и Университета штата Вашингтон занимаются устойчивостью винных и столовых сортов винограда к вредителям. Задача состоит в том, чтобы оценивать повреждения растений по изображениям и прогнозировать устойчивость по геномным данным.
Что
Решение
В работе использованы глубокие свёрточные сети VGG16 и ResNet в сочетании с геномным отбором. Модели оценивают повреждения по изображениям, а геномное прогнозирование применяется к винным и столовым сортам винограда. Модель DCNN-PDS показала R² = 0,88.
Как
Внедрение
Работа выполнена в 2025 году как исследовательский проект. Результаты: точность классификации VGG16 составила 95,3%, геномный отбор по бинарным признакам достиг 95,7%, выявлено 69 локусов и 139 генов-кандидатов. Данные об использовании в производственном селекционном процессе отсутствуют.
/04 · источники и проверка
Что подтверждено
- Модель VGG16 классифицировала повреждения винограда с точностью 95,3%.
- Модель DCNN-PDS показала R² = 0,88, геномный отбор по бинарным признакам дал 95,7%.
- В ходе работы выявлено 69 локусов и 139 генов-кандидатов.
Ограничения
- Цифры точности описывают качество моделей в исследовании; они не показывают эффект для урожая или затрат селекции.
- Данных о том, внедрены ли модели в регулярную селекционную работу, нет.
-
[1] Vinum ex Machina
Vinum ex Machina — Кейсбук, запись № 191
партнёр · 29.09.2026
Открыть источник
АрхИИВ /strategai · CB-002676 · Версия 1 · 25.10.2026 · /c/CB-002676/ · Vinum ex Machina № 191