Kentän tiedustelu Soijapapujen tilan tarkistamiseksi kesän keskellä - uuvuttavaa, mutta tarvittavaa työtä uusien lajikkeiden poistamiseksi.
Kasvattajien on vaeltava päivittäin peräkkäin auringossa kriittisissä kauden aikana löytää kasveja, jotka osoittavat toivottavia ominaisuuksia, kuten varhaisen kypsymisen. Mutta ilman tilaisuutta automatisoida näiden merkkien havaitseminen, tiedemiehet eivät voi testata niin monta sivustoa kuin he haluavat lisätä aikaa uusien lajikkeiden poistamiseksi markkinoille.
Illinois-yliopiston uudessa tutkimuksessa tutkijat ennustavat soijapapujen kypsymisen aikaa kahden päivän kuluessa käyttäen kuvia droneista ja keinotekoisesta älykkyydestä, mikä suuresti helpottaa työtä.
"Pod-kypsyyden arviointi vaatii paljon aikaa, ja tässä on usein mahdollista tehdä virhe, koska tämä arviointijärjestelmä perustuu POD: n väreihin, ja se on riski väärin määritellystä", sanoo Nicholas Martin , Illinois-konsernin ja tutkimuksen yhteistyöosaston apulaisprofessori. "Monet yrittävät käyttää tilannekuvia Dronesista arvioimaan kypsyyttä, mutta olemme ensimmäisiä, jotka löytävät tarkan tavan tehdä se."
Rodrigo Trevizan, Martinin kanssa työskentelevä tohtoriopiskelija, opetti tietokoneita havaitsemaan värimuutokset viidessä kokeessa kerättyjen Dronesin kuvien havaitsemiseksi, kolme kasvukausi ja kaksi maata. On tärkeää huomata, että tietokoneet pystyivät harkitsemaan ja tulkitsemaan jopa "huonoja" kuvia.
"Sanotaan, että haluamme kerätä kuvia kolmen päivän välein, mutta kun pilvet näkyvät tai sateet, jotka vaikuttavat kuvien laatuun. Loppujen lopuksi, kun saat tietoja eri vuosilta tai eri paikoista, ne kaikki näyttävät erilaisilta näkökulmasta kuvien määrän, välein ja niin edelleen. Tärkein innovaatio, jota olemme kehittäneet, on se, miten voimme ottaa huomioon kaikki vastaanotetut tiedot. Malli toimii hyvin riippumatta siitä, kuinka usein tiedot olivat menossa ", Trevizan sanoo.
Trevisan käytti keinotekoisen älykkyyden tyyppiä, nimeltään syvä konvoluutionaaliset hermoverkot (CNN). Hän sanoo, että CNN on kuin tapa, jolle ihmisen aivot oppivat tulkitsemaan kuvia - väri, muoto, rakenne - eli silmöistä saadut tiedot.
"CNN havaitsee pieniä muutoksia, lisäksi lomakkeita, rajoja ja tekstuureja. Meille tärkein oli väri. Mutta keinotekoisen älykkyyden malleja, joita käytimme, on se, että olisi aivan yksinkertaista käyttää samaa mallia ennustamaan toista ominaisuutta, kuten saantoa tai span. Joten nyt, kun meillä on nämä mallit, ihmisten pitäisi olla paljon helpompi käyttää samaa strategiaa monien muiden tehtävien täyttämiseksi ", selitti Trevizan.
Tutkijat sanovat, että teknologia on hyödyllinen ensisijaisesti jalostukseen kaupallisissa yrityksissä.
"Meillä oli alakohtaisia kumppaneita, jotka osallistuivat tutkimukseen, joka ehdottomasti haluaisi käyttää sitä tulevina vuosina. Ja he tekivät erittäin hyvän, tärkeän panoksen. He halusivat varmistaa, että vastaukset ovat merkityksellisiä kentän kasvattajille, jotka tekevät päätöksiä kasvien ja maanviljelijöiden valinnasta ", sanoi Nicholas Martin.
(Lähde: Farmtario.com. Kuva: Getty Images).