Reconnaissance sur le terrain pour vérifier l'état de soja au milieu de l'été - épuisant, mais nécessaire au travail lors de l'élimination de nouvelles variétés.
Les éleveurs doivent errer quotidiennement sous le soleil brûlant des périodes critiques de la saison de croissance pour trouver des plantes montrant des caractéristiques souhaitables telles que la maturation précoce des gousses. Mais sans avoir la possibilité d'automatiser la détection de ces signes, les scientifiques ne peuvent pas tester autant de sites qu'ils souhaitent augmenter le temps nécessaire pour éliminer les nouvelles variétés sur le marché.
Dans la nouvelle étude de l'Université de l'Illinois, les scientifiques prédisent l'époque de la maturation du soja dans les deux jours à l'aide d'images de drones et d'intelligence artificielle, ce qui facilite grandement le travail.
"L'évaluation de la maturité de la POD nécessite beaucoup de temps et il est souvent possible de commettre une erreur, car ce système d'évaluation est basé sur la couleur de la POD, et il y a un risque de déterminer de manière incorrecte", déclare Nicholas Martin , Professeur agrégé du département de renoncer à l'Illinois et au collaborateur de l'étude. "Beaucoup ont essayé d'utiliser des instantanés de drones pour évaluer la maturité, mais nous sommes les premiers à trouver un moyen précis de le faire."
Rodrigo Trevizan, étudiant doctorant travaillant avec Martin, a enseigné des ordinateurs pour détecter les changements de couleur sur des images de drones recueillies dans cinq essais, trois saison de croissance et deux pays. Il est important de noter que les ordinateurs ont pu envisager et interpréter même les images «mauvaises».
"Disons que nous voulons collecter des images tous les trois jours, mais une fois que les nuages apparaissent ou il pleut, ce qui affecte la qualité des images. À la fin, lorsque vous recevez des données pour différentes années ou de différents endroits, ils sembleront tous différents du point de vue du nombre d'images, d'intervalles et ainsi de suite. L'innovation principale que nous avons développée est de savoir comment nous pouvons prendre en compte toutes les informations reçues. Notre modèle fonctionne bien, peu importe la fréquence de la fréquence des données », déclare Trevizan.
Trévisan a utilisé le type d'intelligence artificielle, appelé réseaux de neurones convolutifs profonds (CNN). Il dit que CNN est comme une manière à qui le cerveau humain apprend à interpréter les composants des images - couleur, forme, texture - c'est-à-dire les informations obtenues de nos yeux.
"CNN détecte de petits changements de couleur, outre les formes, les frontières et les textures. Pour nous, le plus important était la couleur. Mais l'avantage des modèles d'intelligence artificielle, que nous avons utilisés, est qu'il serait assez simple d'utiliser le même modèle pour prédire une autre caractéristique, telle que le rendement ou la portée. Ainsi, maintenant que nous avons ces modèles, les gens devraient être beaucoup plus faciles à utiliser la même stratégie pour remplir de nombreuses autres tâches », a expliqué Trevizan.
Les scientifiques disent que la technologie sera utile principalement dans la reproduction des entreprises commerciales.
«Nous avons eu des partenaires sectoriels qui ont participé à l'étude qui voudrait certainement l'utiliser dans les années à venir. Et ils ont fait une très bonne contribution importante. Ils voulaient s'assurer que les réponses sont pertinentes pour les éleveurs de terrain qui choisissent des décisions en choisissant des plantes et des agriculteurs », a déclaré Nicholas Martin.
(Source: Farmtario.com. Photo: Getty Images).