شناسایی میدان برای بررسی وضعیت سویا در میان تابستان - خسته کننده، اما لازم است کار در هنگام از بین بردن ارقام جدید.
پرورش دهندگان باید روزانه تحت خورشید سوزانده شده در دوره های بحرانی فصل رشد، برای پیدا کردن گیاهان نشان می دهد ویژگی های مطلوب مانند رسیدن زود هنگام غلاف. اما، بدون داشتن این فرصت برای خودکار کردن تشخیص این نشانه ها، دانشمندان نمی توانند به عنوان بسیاری از سایت ها تست کنند، زیرا آنها می خواهند زمان را برای از بین بردن انواع جدید در بازار افزایش دهند.
در مطالعه جدید دانشگاه ایلینوی، دانشمندان پیش بینی زمان بلوغ سویا را ظرف دو روز با استفاده از تصاویر از هواپیماهای بدون سرنشین و هوش مصنوعی، که تا حد زیادی کار را تسهیل می کند، پیش بینی می کند.
"ارزیابی بلوغ POD نیاز به زمان زیادی دارد و در اینجا اغلب ممکن است اشتباه کند، زیرا این سیستم ارزیابی بر اساس رنگ غلاف است و خطر نادرست آن را تعیین می کند." نیکلاس مارتین ، دانشیار وزارت امور خارجه در ایلینوی و همکاران این مطالعه. "بسیاری از آنها سعی کردند از عکس های فوری از هواپیماهای بدون سرنشین برای ارزیابی بلوغ استفاده کنند، اما ما اولین کسی هستیم که راهی دقیق برای انجام این کار پیدا کنیم."
رودریگو ترویزان، دانشجوی دکترای که با مارتین کار می کند، کامپیوترها را برای تشخیص تغییرات رنگ در تصاویر از هواپیماهای بدون سرنشین جمع آوری شده در پنج آزمایش، سه فصل رشد و دو کشور آموزش داده است. مهم است که توجه داشته باشید که کامپیوترها قادر به بررسی و تفسیر حتی تصاویر بد هستند.
"بیایید بگویم ما می خواهیم هر سه روز تصاویر را جمع آوری کنیم، اما هنگامی که ابرها ظاهر می شوند یا باران می آیند، که کیفیت تصاویر را تحت تاثیر قرار می دهد. در نهایت، هنگامی که داده ها را برای سال های مختلف یا از مکان های مختلف دریافت می کنید، همه آنها متفاوت از دیدگاه تعداد تصاویر، فواصل و غیره هستند. نوآوری اصلی ما توسعه یافته است این است که چگونه می توانیم تمام اطلاعات دریافت شده را در نظر بگیریم. ترویزان می گوید: مدل ما به خوبی کار می کند مهم نیست که چگونه اغلب داده ها انجام می شود. "
Trevisan از نوع هوش مصنوعی استفاده کرد، به نام شبکه های عصبی عمیق کانولوشن (CNN). او می گوید که CNN مانند راهی است که مغز انسان یاد می گیرد برای تفسیر اجزای تصاویر - رنگ، شکل، بافت - یعنی اطلاعات به دست آمده از چشم ما.
"CNN تشخیص تغییرات کوچک در رنگ، علاوه بر فرم ها، مرزها و بافت ها. برای ما مهم ترین رنگ بود. اما مزیت مدل های هوش مصنوعی، که ما استفاده کردیم، این است که بسیار ساده است که از همان مدل برای پیش بینی یک ویژگی دیگر، مانند عملکرد یا فاصله استفاده کنیم. بنابراین، در حال حاضر که ما این مدل ها را داریم، مردم باید از همان استراتژی برای انجام بسیاری از وظایف دیگر استفاده کنند، "Trevizan توضیح داد.
دانشمندان می گویند که فناوری در درجه اول در پرورش شرکت های تجاری مفید خواهد بود.
"ما شرکای بخش داریم که در این مطالعه شرکت کردند که قطعا می خواهند در سال های آینده از آن استفاده کنند. و آنها سهم بسیار خوبی و مهم را انجام دادند. آنها می خواستند اطمینان حاصل کنند که پاسخ ها مربوط به پرورش دهندگان فیلد هستند که تصمیمات انتخاب گیاهان و کشاورزان را انتخاب می کنند. "نیکلاس مارتین.
(منبع: farmtario.com. عکس: گتی ایماژ).