The object of research, development or design (in Russian) : Агроценозы зерновых культур (пшеница, ячмень) на северо-востоке Казахстана; гиперспектральные изображения здоровых и больных профилей растений исследуемых культур.

The object of research, development or design (in Kazakh) : Қазақстанның солтүстік-шығысындағы дәнді дақылдардың (бидай, арпа) агроценоздары; зерттелетін дақылдар өсімдіктерінің сау және ауру бейіндерінің гиперспектральды кескіндері.

Aim of work (in Russian) : Разработать методологию ранней диагностики заболеваний зерновых культур (пшеницы, ячменя) с использованием технологии гиперспектральной визуализации на основе идентификации спектральных профилей больных растений методом искусственного интеллекта; создать современную отечественную систему мониторинга и ранней диагностики болезней зерновых культур для обеспечения повышения урожая и продовольственной безопасности страны.

Aim of work (in Kazakh) : Жасанды интеллект әдісімен ауру өсімдіктердің спектрлік бейіндерін сәйкестендіру негізінде гиперспектральды бейнелеу технологиясын пайдалана отырып, дәнді дақылдар (бидай, арпа) ауруларын ерте диагностикалау әдіснамасын әзірлеу; елдің өнімділігі мен азық-түлік қауіпсіздігін арттыруды қамтамасыз ету үшін дәнді дақылдар ауруларын мониторингілеу мен ерте диагностикалаудың қазіргі заманғы отандық жүйесін құру.

Методы исследования (на русском) : Для оценки фитосанитарной ситуации посадочного материала проведена фитопатологическая экспертиза семян. Отбор средней пробы семян для определения их посевных качеств проведен в соответствии с ГОСТ 12036–85; фитосанитарная диагностика посевного материала проведена методом влажных рулонов, проращиванием семян во влажной камере, при посеве на питательные среды в соответствии с ГОСТ 12044-93. Фитосанитарный мониторинг с целью идентификации разного рода болезней, вызванных фитопатогенами, осуществлен в течение всего периода вегетации исследуемых культур на тестовых площадках. Фитопатологическая оценка состояния посевов оценена по двум основным показателям: распространенности и интенсивности развития болезни. Математическая обработка данных выполнена по Б.А. Доспехову. Дисперсионный и корреляционный анализы экспериментальных данных проводились на платформе IBM PC с использованием программы EXCEL. Для моделирования и анализа гиперспектральных изображений здоровых и больных профилей растений исследуемых культур проведена гиперспектральная съемка образцов с отклонениями от нормального развития гиперспектральной камерой VNIR диапазона (400–1000 нм); для каждого изображения сформирован гиперкуб данных. Предварительная обработка снимков включала в себя калибровку спектра с использованием «черных» и «белых» эталонов, а также создание и применение «масок» для удаления фона. Для дифференциации здоровых и поражённых областей культуры использован метод спектрального угла (SAM).

Методы исследования (на казахском) : Отырғызу материалының фитосанитарлық жағдайын бағалау үшін тұқымдарға фитопатологиялық сараптама жүргізілді. Тұқым себу сапасын анықтау үшін тұқымның орташа сынамасын іріктеу 12036-85 МЕМСТ-қа сәйкес жүргізілді; себу материалының фитосанитарлық диагностикасы 12044-93 МЕМСТ-қа сәйкес қоректік ортаға себу кезінде дымқыл орамдар әдісімен, дымқыл камерада тұқымның өнуімен жүргізілді. Фитопатогендерден туындаған түрлі ауруларды анықтау мақсатында фитосанитарлық мониторинг сынақ алаңдарында зерттелетін дақылдардың бүкіл вегетациялық кезеңінде жүзеге асырылды. Дақылдардың жағдайын фитопатологиялық бағалау екі негізгі көрсеткіш бойынша бағаланды: аурудың таралуы мен даму қарқындылығы. Деректерді математикалық өңдеу Б.А. Доспехов бойынша жүзеге асырылды. Эксперименттік деректердің дисперсиялық және корреляциялық талдаулары EXCEL бағдарламасын қолдана отырып, IBM PC платформасында жүргізілді. Зерттелетін дақылдардың сау және ауру өсімдік бейіндерінің гиперспектральды кескіндерін модельдеу және талдау үшін VNIR диапазонындағы (400-1000 нм) гиперспектральды камерасы қалыпты дамудан ауытқулары бар үлгілерді гиперспектральды түсіру жүргізілді; әрбір сурет үшін гиперкуб деректері қалыптастырылды. Суреттерді алдын-ала өңдеу спектрді «қара» және «ақ» эталондармен калибрлеуді, сондай-ақ фонды жою үшін «маскалар» құруды және қолдануды қамтыды. Дақылдың сау және зардап шеккен аймақтарын ажырату үшін спектрлік бұрыш (SAM) әдісі қолданылды.

Obtained results and novelty (in Russian) : В ходе реализации проектной деятельности проведены лабораторные исследования посевного материала, направленные на определение кондиционности семян. На основе полученных данных были установлены фитосанитарное состояние и посевные качества семенного материала, включая показатели начального роста и фитопатогенной нагрузки; определена таксономическая принадлежность выявленных фитопатогенов и оценено их влияние на посевные качества семян. Проведен мониторинг фитосанитарного состояния агроценозов пшеницы и ячменя для выявления и идентификации болезней исследуемых зерновых культур традиционными методами исследования. Проведена диагностика зараженности растительных проб болезнями с идентификацией фитопатогенной нагрузки, в том числе на ранних, довизуальных стадиях заражения и находящихся в латентной форме, основанной на микробиологическом лабораторном анализе. Проведена гиперспектральная съемка образцов с отклонениями от нормального развития; исследована геометрия построения изображения гиперспектрометром и расчет параметров съемки, обеспечивающих измерительное качество изображения в условиях стабилизации камеры. Получены высококачественные гиперспектральные изображения с помощью гиперспектральной камеры в идеальных условиях с искусственным освещением. Изучены спектры отражения растительной ткани при использовании гиперспектрального сенсора. Проведена расшифровка спектральных профилей здоровых и больных растений; описаны спектральные сигнатуры поражений при заболеваниях.

Obtained results and novelty (in Kazakh) : Жобалық іс-шараларды жүзеге асыру барысында тұқымның кондиционерлілігін анықтауға бағытталған егіс материалына зертханалық зерттеулер жүргізілді. Алынған деректер негізінде бастапқы өсу және фитопатогендік жүктеме көрсеткіштерін қоса алғанда, тұқым материалының фитосанитарлық жағдайы мен себу сапасы анықталды; анықталған фитопатогендердің таксономиялық тиістілігі анықталды және олардың тұқым себу сапасына әсері бағаланды. Дәстүрлі зерттеу әдістерімен зерттелетін дәнді дақылдардың ауруларын анықтау және сәйкестендіру үшін бидай мен арпа агроценоздарының фитосанитарлық жағдайына мониторинг жүргізілді. Фитопатогендік жүктемені, оның ішінде инфекцияның ерте, визуалды алдындағы кезеңдерінде және микробиологиялық зертханалық талдауға негізделген жасырын түрдегі аурулармен өсімдік сынамаларын жұқтыру дәрежесіне диагностикасы жүргізілді. Қалыпты дамудан ауытқулары бар үлгілерге гиперспектральды түсіру жүргізілді; гиперспектрометрмен кескін құрылысының геометриясы және камераны тұрақтандыру жағдайында кескіннің өлшеу сапасын қамтамасыз ететін түсіру параметрлерін есептеу зерттелді. Жоғары сапалы гиперспектральды кескіндер жасанды жарықпен оңтайлы жағдайда гиперспектральды камераның көмегімен алынды. Гиперспектральды сенсорды қолдану кезінде өсімдік тінінің шағылысу спектрлері зерттелді. Сау және ауру өсімдіктердің спектрлік бейіндерін декодтау жүргізілді; аурулар кезіндегі зақымданулардың спектрлік белгілері сипатталған.

The main constructive and technical economic indicators (in Russian) : Все исследования и наблюдения проводятся согласно апробированных методик и ГОСТа; для реализации проекта имеется Лаборатория биологических исследований на базе Торайгыров университета, укомплектованная современным оборудованием, необходимым для проведения научных исследований, а также инвентарь, обеспечивающий удобство и эффективность полевых работ; все работы ведутся квалифицированными научными сотрудниками; осуществляется научная коллаборация с Федеральным государственным автономным образовательным учреждением высшего образования «Национальный исследовательский Томский политехнический университет» (ФГАОУ ВО НИ ТПУ) (г. Томск, Россия), в рамках которой проводятся консультации по реализуемому Проекту. Развитие новой технологии ранней диагностики болезней зерновых культур, основанная на машинном обучении направлена на разработку интеллектуальных сельскохозяйственных систем для точного применения.

The main constructive and technical economic indicators (in Kazakh) : Барлық зерттеулер мен бақылаулар сыналған әдістемелер мен МЕМСТ-қа сәйкес жүргізіледі; жобаны іске асыру үшін Торайғыров университетінің базасында ғылыми зерттеулер жүргізуге арналған қажетті заманауи жабдықтармен, сондай-ақ дала жұмыстарының ыңғайлылығы мен тиімділігін қамтамасыз ететін мүкәммалмен жабдықталған Биологиялық зерттеулер зертханасы бар; барлық жұмыстарды білікті ғылыми қызметкерлер жүргізеді; «Ұлттық зерттеу Томск политехникалық университеті» федералды мемлекеттік автономды жоғары білім беру мекемесімен (ҰЗ ТПУ ФМА ЖББМ) (Томск қ., Ресей) ғылыми ынтымақтастық жүзеге асырылуда, оның шеңберінде іске асырылып жатқан жоба бойынша консультациялар өткізіледі. Машиналық оқытуға негізделген дәнді дақылдар ауруларын ерте диагностикалаудың жаңа технологиясын дамытуды дәл қолдану үшін интеллектуалды ауылшаруашылық жүйелерін дамытуға бағытталған.

Level of implementation (in Russian) : Внедрение результатов проекта находится на стадии разработки инновационного и технологичного оптического метода обнаружения болезней зерновых культур (пшеницы, ячменя) с использованием технологии гиперспектральной визуализации.

Level of implementation (in Kazakh) : Жоба нәтижелерін енгізу гиперспектральды бейнелеу технологиясын қолдану негізінде дәнді дақылдардың (бидай, арпа) ауруларын анықтаудың инновациялық және технологиялық оптикалық әдісін әзірлеу сатысында.

Efficiency (in Russian) : Реализация проекта позволит разработать методологию ранней диагностики заболеваний зерновых культур (пшеницы, ячменя) с использованием технологии гиперспектральной визуализации на основе идентификации спектральных профилей больных растений методом искусственного интеллекта; создать современную отечественную систему мониторинга и ранней диагностики болезней зерновых культур для обеспечения повышения урожая и продовольственной безопасности страны. Разработанная методика будет востребована для создания прецизионной технологии и ее внедрения в практику сельхозтоваропроизводства, что в перспективе позволит оптимизировать финансовые затраты при выращивании сельскохозяйственных культур и снизить пестицидную нагрузку на агроэкосистемы. Полученные результаты будут являться элементом высокопродуктивного и ресурсосберегающего земледелия.

Efficiency (in Kazakh) : Жобаны іске асыру жасанды интеллект әдісімен ауру өсімдіктердің спектрлік бейіндерін сәйкестендіру негізінде гиперспектральды бейнелеу технологиясын пайдалана отырып, дәнді дақылдар (бидай, арпа) ауруларын ерте диагностикалау әдіснамасын әзірлеуге; елдің өнімділігі мен азық-түлік қауіпсіздігін арттыруды қамтамасыз ету үшін дәнді дақылдар ауруларын мониторингілеу мен ерте диагностикалаудың қазіргі заманғы отандық жүйесін құруға мүмкіндік береді. Әзірленген әдістеме дәлме-дәл технологияны құру және оны ауыл шаруашылығы тауарын өндіру тәжірибесіне енгізу үшін сұранысқа ие болып, болашақта ауыл шаруашылығы дақылдарын өсіру кезінде қаржылық шығындарды оңтайландыруға және агроэкожүйелерге пестицидтік жүктемені азайтуға мүмкіндік береді. Алынған нәтижелер өнімділігі жоғары және ресурс үнемдейтін егін шаруашылығының элементі болып табылады.

Field of application (in Russian) : Разработанный инновационный метод мониторинга и ранней диагностики болезней зерновых культур с использованием технологии гиперспектрального зондирования может использоваться сельскохозяйственными предприятиями разных форм собственности, занимающимися возделыванием зерновых культур.

Field of application (in Kazakh) : Гиперспектральды зондтау технологиясын қолдана отырып, дәнді дақылдардың ауруларын мониторингілеудің мен ерте диагностикалаудың әзірленген инновациялық әдісін дәнді дақылдарды өсірумен айналысатын әртүрлі меншік нысанындағы ауыл шаруашылығы кәсіпорындары қолдана алады.