NobleBlocks

Research indexJournal article

Цифровая детекция и классификация вегетативных и генеративных почек яблони на основе анализа микроскопических изображений

Arinicheva, Николаевна, Андреевна

cyberleninka.ru31 Jul 2026Open access

NobleIDark:/48914/w1/20261105/FEA85D44DOI10.24412/1992-2582-2026-2-31-38

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Продуктивность яблони напрямую связана с количеством заложенных генеративных почек и характером их последующего раз-вития. Отсюда следует практическая необходимость в своевременной диагностике состояния почек при планировании агро-технических мероприятий осенне-весеннего периода в многолетних насаждениях. На сегодняшний день идентификацию типов почек проводят в основном вручную; работа требует высокой квалификации, при этом визуально различить вегетативные и генеративные почки, особенно на ранних этапах органогенеза, бывает непросто даже опытному специалисту. Цель исследования ‒ разработать метод цифровой детекции и классификации вегетативных и генеративных почек яблони по микроскопическим изображениям. Была использована платформа Teachable Machine для оценки принципиальной возможности автоматизации такого определения и применения его результатов для поддержки агротехнических решений. Материал ‒ почки шести сортов яблони: Гала, Голден Делишес, Ренет Симиренко, Кубанское багряное, Флорина, Либерти. Фотосъёмку вели в период покоя растений (ноябрь-февраль) в контролируемых условиях с помощью бинокулярного микроскопа при увеличении 7×. Сфор-мирована размеченная выборка из 1121 изображений вегетативных и генеративных почек на пяти последовательных этапах органогенеза. Построенная на его основе модель показала общую точность классификации около 0,91, среднюю F1-меру ‒ по-рядка 0,89. Лучше всего модель распознаёт вегетативные почки и поздние этапы органогенеза; для ранних и переходных стадий точность несколько ниже, что, вероятно, объясняется морфологической близостью признаков и неравномерностью распределения данных в обучающей выборке. Полученные результаты свидетельствуют, что методы компьютерного зрения могут быть эффективно применены для автоматической диагностики этапов органогенеза яблони. Предложенный подход перспективен для использования в системах цифрового мониторинга плодовых культур, при автоматизации морфологических исследований, а также в техно-логиях точного садоводства и роботизированной обрезки.

Discussion

More

Suggest a correction or report