Veldreeks vir die kontrole van die toestand van sojabone in die middel van die somer - uitputtend, maar noodsaaklike werk wanneer nuwe variëteite verwyder word.
Telers moet daagliks onder die skroeiende son in kritieke tydperke van die groeiseisoen dwaal om plante te vind wat wenslike funksies toon soos vroeë rypwording van peule. Maar sonder die geleentheid om die opsporing van hierdie tekens te outomatiseer, kan wetenskaplikes nie soveel webwerwe toets nie, aangesien hulle die tyd wil verhoog om nuwe variëteite in die mark uit te skakel.
In die nuwe studie van die Universiteit van Illinois voorspel wetenskaplikes die tyd van die veroudering van sojabone binne twee dae deur beelde van drones en kunsmatige intelligensie te gebruik, wat die werk grootliks fasiliteer.
"Die beoordeling van die pod volwassenheid vereis baie tyd en hier is dit dikwels moontlik om 'n fout te maak, aangesien hierdie evalueringstelsel gebaseer is op die kleur van die peul, en daar is 'n risiko om dit verkeerd te bepaal," sê Nicholas Martin , Medeprofessor van die Departement van Uitnemende in Illinois en die medewerker van die studie. "Baie het probeer om snapshots van drones te gebruik om volwassenheid te evalueer, maar ons is die eerste om 'n akkurate manier te vind om dit te doen."
Rodrigo Trevizan, 'n doktorale student wat saam met Martin werk, het rekenaars geleer om kleurveranderings op beelde van drones in vyf proewe, drie groeiseisoen en twee lande op te spoor. Dit is belangrik om daarop te let dat rekenaars selfs die "slegte" beelde kan oorweeg en interpreteer.
"Kom ons sê ons wil elke drie dae beelde insamel, maar sodra die wolke verskyn of dit reën, wat die kwaliteit van die prente beïnvloed. Op die ou end, wanneer u data vir verskillende jare of van verskillende plekke ontvang, sal hulle almal anders lyk as die oogpunt van die aantal beelde, tussenposes en so meer. Die belangrikste innovasie wat ons ontwikkel het, is hoe ons al die inligting wat ontvang is, in ag neem. Ons model werk goed, maak nie saak hoe gereeld die data gaan nie, "sê Trevizan.
Trevisan het die tipe kunsmatige intelligensie gebruik, wat diep konvolusionele neurale netwerke (CNN) genoem word. Hy sê dat CNN is soos 'n manier vir wie die menslike brein leer om die komponente van beelde te interpreteer - kleur, vorm, tekstuur - dit is die inligting wat van ons oë verkry is.
"CNN bepaal klein veranderinge in kleur, behalwe vorms, grense en teksture. Vir ons was die belangrikste kleur. Maar die voordeel van modelle van kunsmatige intelligensie, wat ons gebruik het, is dat dit redelik maklik sal wees om dieselfde model te gebruik om 'n ander eienskap te voorspel, soos opbrengs of span. So, nou dat ons hierdie modelle het, moet mense baie makliker wees om dieselfde strategie te gebruik om baie ander take te vervul, "het Trevizan verduidelik.
Wetenskaplikes sê dat tegnologie hoofsaaklik in die gehalte van kommersiële maatskappye nuttig sal wees.
"Ons het sektorale vennote gehad wat deelgeneem het aan die studie wat dit beslis in die komende jare wil gebruik. En hulle het 'n baie goeie belangrike bydrae gelewer. Hulle wou seker maak dat die antwoorde relevant is vir veldtelers wat besluite neem om plante en boere te kies, "het Nicholas Martin gesê.
(Bron: Farmtario.com. Foto: Getty Images).