Recoñecemento de campo para comprobar o estado da soia no medio do verán - agotador, pero necesario cando se elimina novas variedades.
Os creadores teñen que andar diariamente baixo o sol arrastrado en períodos críticos da tempada de crecemento para atopar plantas que mostran características desexables, como a maduración precoz das vainas. Pero, sen ter a oportunidade de automatizar a detección destes signos, os científicos non poden probar tantos sitios como desexan aumentar o tempo para eliminar novas variedades no mercado.
No novo estudo da Universidade de Illinois, os científicos predicen o tempo da maduración de soia dentro de dous días usando imaxes de drones e intelixencia artificial, o que facilita moito traballo.
"A avaliación da madurez de pod require moito tempo e aquí é posible que sexa posible cometer un erro, xa que este sistema de avaliación está baseado na cor da vaina, e hai un risco de determinar incorrectamente", di Nicholas Martin , Profesor asociado do Departamento de Creado en Illinois e colaborador do estudo. "Moitos intentaron usar instantáneas de drones para avaliar a madurez, pero somos os primeiros en atopar unha forma precisa de facelo".
Rodrigo Trevizan, un estudante de doutoramento que traballa con Martin, ensinou as computadoras para detectar cambios en cor nas imaxes dos drones recollidos en cinco ensaios, tres tempadas en crecemento e dous países. É importante notar que as computadoras puideron considerar e interpretar incluso as imaxes "malas".
"Digamos que queremos recoller imaxes cada tres días, pero unha vez que as nubes aparecen ou que chove, que afecta a calidade das imaxes. Ao final, cando recibes datos por diferentes anos ou de diferentes lugares, todos serán diferentes desde o punto de vista do número de imaxes, intervalos e así por diante. A principal innovación que desenvolvemos é como podemos ter en conta toda a información recibida. O noso modelo funciona ben, non importa cantas veces os datos ían ", di Trevizan.
Trevisan usou o tipo de intelixencia artificial, chamado profunda rede neuronal (CNN). El di que a CNN é como unha forma de que o cerebro humano aprende a interpretar os compoñentes de imaxes - cor, forma, textura, é dicir, a información obtida dos nosos ollos.
"CNN detecta pequenos cambios de cor, ademais de formas, bordos e texturas. Para nós, o máis importante foi a cor. Pero a vantaxe de modelos de intelixencia artificial, que utilizamos, é que sería bastante sinxelo usar o mesmo modelo para predecir outra característica, como o rendemento ou a extensión. Entón, agora que temos estes modelos, a xente debe ser moito máis fácil de usar a mesma estratexia para cumprir moitas outras tarefas ", explicou Trevizan.
Os científicos din que a tecnoloxía será útil principalmente nas empresas comerciais de reprodución.
"Tivemos socios sectoriais que participaron no estudo que definitivamente quererían usalo nos próximos anos. E fixeron unha contribución moi boa e importante. Eles querían asegurarse de que as respostas sexan relevantes para os creadores de campo que tomen decisións que elixan as plantas e os agricultores ", dixo Nicholas Martin.
(Fonte: FarmTario.com. Foto: Getty Images).