Машинное обучение в агрономии: создание архитектуры веб-интерфейса для раннего выявления болезней растений

Аннотация

Актуальной проблемой цифровизации агропромышленного комплекса является фрагментация инструментов мониторинга, что не позволяет агрономам оперативно получать целостную картину фитосанитарного состояния посевов на основе комплексного анализа данных. Цель исследования - разработать архитектурное решение и создать функциональный прототип веб-платформы для поддержки принятия решений при ранней диагностике заболеваний растений путем интеграции разнородных данных и прогнозов моделей машинного обучения. В ходе исследования применялись методы системного анализа и объектно-ориентированного проектирования. В качестве технологического стека выбраны ASP.Net Core для backend-разработки и Next.JS для создания фронтенда. Объектом интеграции выступают потоки данных от мультиспектральных камер, датчиков микроклимата и нейросетевых моделей классификации. Основным результатом является разработанная модульная микросервисная архитектура будущей системы и прототип ключевого интерфейса, включающий картографический модуль и схему визуализации вегетационных индексов. Определен и обоснован полный стек технологий для реализации. Утвержденная концепция платформы закладывает основу для создания инструмента, который после полной реализации позволит повысить эффективность мониторинга за счет агрегации данных в едином интерфейсе. Перспективы работы связаны с поэтапной разработкой сервисов, интеграцией с ML-моделями и проведением натурных испытаний в условиях тепличного комплекса для валидации подхода.