Машинное зрение и нейросети применяются в сельском хозяйстве уже давно, помогая бороться со стремительно растущим числом заболеваний растений. От быстрого и точного обнаружения болезней напрямую зависит сохранность урожая.

Для обучения нейросетей требуются внушительные объемы данных, для которых, в свою очередь, нередко вручную создаются десятки или даже сотни признаков. Ученые из Китая и Сингапура разработали алгоритм SSAFS (salp swarm algorithm for feature selection) для определения лучшей комбинации созданных вручную признаков. Он помогает экономить время и ресурсы, увеличивая при этом шансы на успешную классификацию.

Как работает SSAFS и причем здесь сальпы - читайте в новости на Хабре.