![Dronovi i umjetna inteligencija određuju zrelost soje sa velikom tačnošću 5259_1](/userfiles/21/5259_1.webp)
Podnošenje terenskog izviđanja za provjeru stanja soje usred ljeta - iscrpljujući, ali potreban rad prilikom uklanjanja novih sorti.
Uzgajivači moraju svakodnevno lutati pod Sunčevom suncu u kritičnim razdobljima rastuće sezone kako bi pronašli biljke koje pokazuju poželjne karakteristike poput ranog zrenja mahuna. Ali, bez mogućnosti automatizacije otkrivanja ovih znakova, naučnici ne mogu testirati što više web lokacija kao što bi željeli povećati vrijeme za uklanjanje novih sorti na tržište.
Na novoj studiji Univerziteta u Illinoisu naučnici su predviđali vrijeme sazrijevanja soje u roku od dva dana koristeći slike iz dronova i umjetne inteligencije, što uvelike olakšava rad.
"Procjena zrelosti pod matela zahtijeva puno vremena i ovdje je često moguće pogriješiti, jer se ovaj sistem za evaluaciju zasnovan na boji mahuna, a postoji rizik od nepravilno određivanja", kaže nepravilno određivanje ", kaže Nicholas Martin , Vanredni profesor odeljenja za krirenje u Illinoisu i saradniku studije. "Mnogi su pokušali koristiti snimke s dronova kako bi procijenili zrelost, ali mi smo prvi koji smo pronašli tačan način da to učinimo."
Rodrigo Trevizan, doktorski student koji radi sa Martinom, predavao je računare za otkrivanje promjena boje na slikama sa prikupljenim u pet suđenja, tri rastuća sezona i dvije zemlje. Važno je napomenuti da su računari mogli razmotriti i tumačiti čak i "loše" slike.
"Recimo da želimo prikupiti slike svake tri dana, ali jednom kada se oblaci pojave ili kiša, što utiče na kvalitetu slika. Na kraju, kada primite podatke za različite godine ili sa različitih mjesta, svi će izgledati drugačije sa stanovišta broja slika, intervala i tako dalje. Glavna inovacija koju smo razvili je način na koji možemo uzeti u obzir sve primljene informacije. Naš model dobro funkcionira bez obzira koliko često podaci idu ", kaže Trevizan.
Trevisan je koristio vrstu umjetne inteligencije, nazvanih dubokim konvojnim neuronskim mrežama (CNN). Kaže da je CNN poput načina da ljudski mozak uči da tumači komponente slika - boje, oblik, teksturu - odnosno informacije dobivene iz naših očiju.
"CNN otkriva male promjene u boji, pored oblika, granica i tekstura. Za nas je najvažnija bila boja. Ali prednost modela umjetne inteligencije, koju smo koristili, jeste da bi bilo sasvim jednostavno koristiti isti model za predviđanje druge karakteristike, poput prinosa ili raspona. Dakle, sada da imamo ove modele, ljudi bi trebali biti mnogo lakši da koriste istu strategiju za ispunjavanje mnogih drugih zadataka ", objasnio je Trevizan.
Naučnici kažu da će tehnologija biti korisna prvenstveno u uzgoju komercijalnih kompanija.
"Imali smo sektorske partnere koji su učestvovali u studiji koji bi to definitivno želeli koristiti u narednim godinama. I napravili su vrlo dobar, važan doprinos. Želeli su da budu sigurni da su odgovori relevantni za uzgajivače polja koji donose odluke koje biraju biljke i za poljoprivrednike ", rekao je Nicholas Martin.
(Izvor: Farmtario.com Foto: Getty Images).