গ্রীষ্মের মাঝামাঝি সময়ে সয়াবিনের অবস্থা পরীক্ষা করার জন্য ক্ষেত্র পুনর্মিলন - ক্লান্তিকর, কিন্তু নতুন জাতের অপসারণের সময় প্রয়োজনীয় কাজ।
প্রজননগুলি ক্রমবর্ধমান মৌসুমের সমালোচনামূলক সময়ের সমালোচনামূলক সময়ের মধ্যে দৈনিক ভেতরে ঘুরে বেড়াতে হবে যাতে গাছপালাগুলি পছন্দসই রাইপিংয়ের মতো পছন্দসই বৈশিষ্ট্যগুলি দেখানো হয়। তবে, এই লক্ষণগুলির সনাক্তকরণ স্বয়ংক্রিয় করার সুযোগ ছাড়াই, বিজ্ঞানীরা অনেকগুলি সাইট পরীক্ষা করতে পারবেন না কারণ তারা বাজারে নতুন জাতের নিষ্কাশন করার সময় বাড়তে চায়।
ইলিনয় বিশ্ববিদ্যালয়ের নতুন গবেষণায়, বিজ্ঞানীরা ড্রোন এবং কৃত্রিম বুদ্ধিমত্তা থেকে চিত্রগুলি ব্যবহার করে দুই দিনের মধ্যে সয়াবিনের পরিপক্বতার সময় পূর্বাভাস দেন, যা ব্যাপকভাবে কাজটি সহজতর করে।
"পডের মেয়াদপূর্তির মূল্যায়ন অনেক সময় প্রয়োজন এবং এখানে একটি ভুল করার জন্য এটি প্রায়শই সম্ভব, কারণ এই মূল্যায়ন ব্যবস্থাটি পডের রঙের উপর ভিত্তি করে, এবং এটি ভুলভাবে নির্ধারণ করার ঝুঁকি রয়েছে," বলেছেন নিকোলাস মার্টিন বলেছেন নিচোলাস মার্টিন , ইলিনয় মধ্যে Creeding বিভাগের সহযোগী অধ্যাপক এবং গবেষণা সহযোগী। "অনেকে পরিপক্বতা মূল্যায়ন করার জন্য ড্রোন থেকে স্ন্যাপশটগুলি ব্যবহার করার চেষ্টা করেছিল, কিন্তু আমরা এটি করার জন্য সঠিক উপায় খুঁজে বের করতে প্রথম।"
মার্টিনের সাথে কাজ করার একটি ডক্টরাল ছাত্র রড্রিগো ট্রেভিজান, পাঁচটি বিচারের মধ্যে তিনটি ক্রমবর্ধমান ঋতু এবং দুই দেশের সংগৃহীত ড্রোনগুলির রং পরিবর্তনগুলি সনাক্ত করার জন্য কম্পিউটারগুলি সনাক্ত করার জন্য কম্পিউটারগুলি শিখিয়েছিলেন। কম্পিউটারটি বিবেচনা করা গুরুত্বপূর্ণ যে কম্পিউটারগুলি এমনকি "খারাপ" চিত্রগুলি বিবেচনা করতে এবং ব্যাখ্যা করতে সক্ষম হয়েছিল।
"আমরা বলি আমরা প্রতি তিন দিন ছবিগুলি সংগ্রহ করতে চাই, কিন্তু একবার মেঘ প্রদর্শিত হয় বা বৃষ্টি হয়, যা ছবির গুণমানকে প্রভাবিত করে। শেষ পর্যন্ত, যখন আপনি বিভিন্ন বছর বা বিভিন্ন স্থানে থেকে ডেটা পান, তখন তারা সমস্ত চিত্র, অন্তর এবং আরও অনেক কিছু দেখার দিক থেকে আলাদা হবে। আমরা যে প্রধান উদ্ভাবন তৈরি করেছি তা হল আমরা কীভাবে সমস্ত তথ্য গ্রহণ করতে পারি তা বিবেচনা করতে পারি। ট্রেভিজান বলেন, আমাদের মডেল ভালভাবে কাজ করে কোন ব্যাপার কত ঘন ঘন কাজ চলছে।
Trevisan কৃত্রিম বুদ্ধিমত্তা টাইপ ব্যবহৃত, গভীর convolutional নিউরাল নেটওয়ার্ক (সিএনএন) বলা হয়। তিনি বলেন যে সিএনএন এমন একটি উপায়ের মতো, যার মস্তিষ্কের চিত্রগুলির উপাদানগুলি ব্যাখ্যা করতে শিখতে - রঙ, আকৃতি, টেক্সচার - অর্থাৎ, আমাদের চোখ থেকে প্রাপ্ত তথ্য।
"সিএনএন রঙের ছোট পরিবর্তনগুলি সনাক্ত করে, ফর্ম, সীমানা এবং টেক্সচার ছাড়াও। আমাদের জন্য, সবচেয়ে গুরুত্বপূর্ণ রঙ ছিল। কিন্তু কৃত্রিম বুদ্ধিমত্তা মডেলের সুবিধা, যা আমরা ব্যবহার করি তা হল একই মডেলটিকে অন্য চরিত্রগত, যেমন ফলন বা স্প্যান হিসাবে ভবিষ্যদ্বাণী করা বেশ সহজ হবে। সুতরাং, এখন আমাদের এই মডেল আছে, অনেক অন্যান্য কাজ পূরণ করার জন্য একই কৌশল ব্যবহার করা খুব সহজ হওয়া উচিত, "TREVIZAN ব্যাখ্যা।
বিজ্ঞানীরা বলছেন যে প্রযুক্তি প্রাথমিকভাবে প্রজনন বাণিজ্যিক সংস্থাগুলিতে দরকারী হবে।
"আমরা সেক্টরাল অংশীদার ছিলাম যারা এই গবেষণায় অংশগ্রহণ করেছিল যা অবশ্যই আগামী কয়েক বছরে এটি ব্যবহার করতে চায়। এবং তারা একটি খুব ভাল, গুরুত্বপূর্ণ অবদান তৈরি। নিকোলাস মার্টিন বলেন, তারা নিশ্চিত করতে চেয়েছিলেন যে ক্ষেত্রের প্রজননের জন্য প্রাসঙ্গিক।
(উত্স: Farmtario.com। ছবিঃ গ্যাটি ছবি)।