Fresno State: в лабораторном исследовании нейросеть выявила вирусы лозы с точностью 87%

Вирусы скручивания листьев винограда (GLRaV) и красной пятнистости (GRBV) наносят существенный экономический ущерб виноградарству и виноделию Северной Америки. Лекарства от них нет: распространение ограничивают, выявляя и удаляя заражённые кусты с заменой на здоровые. Визуальная диагностика по симптомам требует времени и опыта, а симптомы проявляются поздно, когда виноградари заняты уборкой урожая. Молекулярные тесты точны, но дороги и долги, поэтому проверить каждый куст невозможно. Исследователи Fresno State поставили задачу проверить, могут ли модели машинного обучения по гиперспектральным снимкам листьев быстро выявлять заражение обоими вирусами, в том числе до появления симптомов.

Команда сравнила две модели: ансамбль деревьев решений Random Forest, обученный на усреднённом спектре листа, и трёхмерную свёрточную нейросеть, которая анализирует весь гиперспектральный куб из 40 каналов в видимом диапазоне 510–710 нм. Модели решали две задачи: бинарную (заражён или здоров) и классификацию по четырём категориям (здоров, скручивание, красная пятнистость, смешанная инфекция). Эталоном служили результаты ПЦР-анализа черешков. Качество оценивали стратифицированной пятикратной перекрёстной проверкой; лучший результат, 87% общей точности, нейросеть показала в бинарной задаче на симптоматической выборке.

В августе и сентябре 2019 и 2022 годов листья отбирали в трёх виноградниках Северной и Центральной Калифорнии с сортами Каберне Фран и Каберне Совиньон. Снимки делали в лаборатории, в тёмной камере при контролируемом освещении; всего получено 496 снимков с 248 растений. В работе участвовали Центр исследований виноградарства и виноделия Fresno State, Корнеллский университет и подразделение сельского хозяйства и природных ресурсов Калифорнийского университета; финансирование дали Департамент продовольствия и сельского хозяйства Калифорнии и Сельскохозяйственный исследовательский институт системы CSU. Статья опубликована в Frontiers in Plant Science 10 марта 2023 года.