Польова розвідка для перевірки стану соєвих бобів в розпал літа - виснажлива, але необхідна робота при виведенні нових сортів.
Селекціонерам доводиться щодня бродити під палючим сонцем в критичні періоди вегетаційного періоду, щоб знайти рослини, які демонструють бажані риси, такі як раннє дозрівання стручків. Але, не маючи можливості автоматизувати виявлення цих ознак, вчені не можуть тестувати стільки ділянок, скільки їм хотілося б, що збільшує час виведення нових сортів на ринок.
У новому дослідженні Університету Іллінойсу вчені прогнозують термін дозрівання сої протягом двох днів з використанням зображень з дронів і штучного інтелекту, що істотно полегшує роботу.
«Оцінка зрілості стручка вимагає дуже багато часу і тут часто можна помилитися, оскільки ця система оцінки заснована на кольорі стручка, і є ризик неправильно його визначити, - розповідає Ніколас Мартін, доцент кафедри рослинництва в Іллінойсі і співавтор дослідження. - Багато хто намагався використовувати знімки з дронів для оцінки зрілості, але ми перші, хто знайшов точний спосіб зробити це ».
Родріго Тревизан, докторант, що працює з Мартіном, навчив комп'ютери виявляти зміни кольору із зображень з дронів, зібраних в п'яти випробуваннях, трьох вегетаційних сезонах і двох країнах. Важливо відзначити, що комп'ютери змогли враховувати і трактувати навіть «погані» зображення.
«Скажімо, ми хочемо збирати зображення кожні три дні, але одного разу з'являються хмари або йде дощ, що впливає на якість знімків. Зрештою, коли ви отримаєте дані за різні роки або з різних місць, всі вони будуть виглядати по-різному з точки зору кількості зображень, інтервалів і так далі. Основне нововведення, яке ми розробили, - це те, як ми можемо враховувати всю отриману інформацію. Наша модель працює добре незалежно від того, як часто збиралися дані », - каже Тревизан.
Тревизан використовував тип штучного інтелекту, званий глибокими сверточное нейронними мережами (CNN). Він каже, що CNN схожі на спосіб, яким людський мозок вчиться інтерпретувати компоненти зображень - колір, форму, текстуру - тобто інформацію, отриману від наших очей.
«CNN виявляють невеликі зміни в кольорі, крім форм, меж і текстури. Для нас найважливішим був колір. Але перевага моделей штучного інтелекту, які ми використовували, полягає в тому, що було б досить просто використовувати ту ж модель для прогнозування інший характеристики, такий як врожайність або вилягання. Отже, тепер, коли у нас є ці моделі, людям повинно бути набагато простіше використовувати одну і ту ж стратегію для виконання багатьох інших завдань », пояснив Тревизан.
Вчені говорять, що технологія буде корисна в першу чергу селекційним комерційним компаніям.
«У нас були галузеві партнери, які брали участь в дослідженні, які виразно захочуть використовувати це в найближчі роки. І вони внесли дуже хороший, важливий внесок. Вони хотіли переконатися, що відповіді актуальні для польових селекціонерів, які приймають рішення, які обирають рослини, і для фермерів », - сказав Ніколас Мартін.
(Джерело: farmtario.com. Фото: Getty Images).