ИССЛЕДОВАНИЕ ИНФОРМАТИВНОСТИ И ВЗАИМОДЕЙСТВИЯ ОТДЕЛЬНЫХ МОДАЛЬНОСТЕЙ ПРИ НЕЙРОСЕТЕВОМ ФЕНОТИПИРОВАНИИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ РАСТЕНИЙ
Abstract
в работе исследуется информативность RGB-изображений, микроклиматических и агротехнических данных при нейросетевом прогнозировании высоты и диаметра стебля тепличного томата. Эксперименты проведены на данных циклов выращивания 2024 и 2025 годов из набора Horti-M3-Tomato. Сравнивались шесть одно- и мультимодальных конфигураций. Визуальные признаки извлекались сетью ResNet18, а прогнозы объединялись методом позднего слияния. Наиболее точный прогноз высоты получен по агротехническим и временным признакам: MAE составила 17,70 см, R² — 0,866. Для диаметра стебля минимальная средняя ошибка 1,665 мм достигнута при объединении RGB и агротехнических данных, однако преимущество над агротехнической модальностью статистически не подтверждено. Микроклиматические данные не обеспечили устойчивого улучшения и показали наибольшее снижение качества при межсезонном переносе.