Kampo-skoltado por kontroli la staton de sojfaboj en la mezo de somero - elĉerpa, sed necesa laboro dum forigo de novaj variaĵoj.
Bredistoj devas vagadi ĉiutage sub la grimpata suno en kritikaj periodoj de la kreskanta sezono por trovi plantojn montrante dezirindajn funkciojn kiel ekzemple frua maturiĝo de pods. Sed, sen havi la okazon aŭtomatigi la detekton de ĉi tiuj signoj, sciencistoj ne povas testi tiom da retejoj, ĉar ili ŝatus pliigi la tempon por forigi novajn variaĵojn en la merkaton.
En la nova studo de la Universitato de Ilinojso, sciencistoj antaŭdiras la tempon de la maturiĝo de sojfaboj ene de du tagoj uzante bildojn de drones kaj artefarita inteligenteco, kiu multe faciligas laboron.
"La pritaksado de la pod matureco postulas multan tempon kaj ĉi tie oni ofte eblas fari eraron, ĉar ĉi tiu pritaksa sistemo baziĝas sur la koloro de la guŝo, kaj estas risko malĝuste determini ĝin," diras Nikolao Martin , Asociita instruisto de la Fako de Kreinto en Illinois kaj la kunlaboranto de la studo. "Multaj provis uzi fotojn de drones por taksi maturecon, sed ni estas la unuaj, kiuj trovas precizan manieron fari ĝin."
Rodrigo Trevizan, doktora studento laboranta kun Martin, instruis komputilojn por detekti kolorajn ŝanĝojn en bildoj de drones kolektitaj en kvin procesoj, tri kreskantaj sezono kaj du landoj. Gravas noti, ke komputiloj povis konsideri kaj interpreti eĉ la "malbonajn" bildojn.
"Ni diru, ke ni volas kolekti bildojn ĉiun trian tagon, sed post kiam la nuboj aperas aŭ pluvas, kio influas la kvaliton de la bildoj. En la fino, kiam vi ricevas datumojn por malsamaj jaroj aŭ de diversaj lokoj, ili ĉiuj aspektos malsamaj laŭ la vidpunkto de la nombro de bildoj, intervaloj ktp. La ĉefa novigo, kiun ni disvolvis, estas kiel ni povas konsideri ĉiujn informojn ricevitajn. Nia modelo bone funkcias negrave kiom ofte la datumoj iris, "diras Trevizan.
Trevisan uzis la tipon de artefarita inteligenteco, nomita profunda retluenal neŭronaj retoj (CNN). Li diras, ke CNN similas al kiu la homa cerbo lernas interpreti la komponantojn de bildoj - koloro, formo, teksturo - te la informoj akiritaj de niaj okuloj.
"CNN detektas malgrandajn ŝanĝojn en koloro, krom formoj, limoj kaj teksturoj. Por ni, la plej grava estis koloro. Sed la avantaĝo de modeloj de artefarita inteligenteco, kiun ni uzis, estas, ke estus sufiĉe simpla uzi la saman modelon antaŭdiri alian karakterizaĵon, kiel ekzemple rendimento aŭ interspaco. Do, nun, kiam ni havas ĉi tiujn modelojn, homoj devus esti multe pli facile uzi la saman strategion por plenumi multajn aliajn taskojn, "klarigis Trevizan.
Sciencistoj diras, ke teknologio estos utila ĉefe en reproduktaj komercaj kompanioj.
"Ni havis sektorajn partnerojn, kiuj partoprenis la studon, kiu certe volas uzi ĝin en la venontaj jaroj. Kaj ili faris tre bonan, gravan kontribuon. Ili volis certigi, ke la respondoj estas gravaj por kampaj bredistoj, kiuj faras decidojn elekti plantojn kaj kultivistojn, "diris Nikolao Martin.
(Fonto: Farmtario.com. Foto: Getty-bildoj).