На одном тестовом наборе система определяла культуру с точностью 95%, а диагноз — 73%

Авторы разбирали не только точность ответа, но и то, где именно система ошибается. Фотография фермера — единственная подсказка, поэтому перед диагнозом нужно понять, есть ли на снимке растение, различим ли главный объект, не мешают ли смаз, темнота или плохая ориентация. Для этого задачу разделили на три независимых шага: проверку качества снимка, определение культуры и поиск болезни или вредителя. Такой подход позволяет отдельно менять пороги и заменять модели, а не настраивать один закрытый ответ целиком.

Сравнили два варианта. В первом одна дообученная модель делает все три шага за один запрос. Во втором каждый шаг выполняет своя специализированная модель: одна отвечает за качество снимка, другие — за культуру и проблему на растении. Маленькая модель для первого шага оказалась достаточно точной, чтобы заменить более тяжёлую систему, а специализированная модель для культуры лучше справилась с фотографиями, которых не видела при обучении.

Работа также показывает, почему исходные данные были непростыми. Почти половина снимков, которые производственная система считала непригодными, отбрасывалась; среди уже дошедших до диагностики более четверти не получали названия культуры. Кроме того, записи с меткой «болезнь» часто на самом деле относились к вредителям — это удалось заметить даже без знания культуры. Эталонные ответы для такого масштаба создавали не люди, а несколько моделей: затем их ответы нормализовали, сводили голосованием и частично проверяли вручную. Это позволило собрать набор для сравнения, но одновременно ограничивает независимость оценки.