סיור שדה לבדיקת מצב סויה בעיצומו של קיץ - מתיש, אבל הכרחי עבודה בעת הסרת זנים חדשים.
מגדלים צריכים לשוטט מדי יום תחת השמש הלוהטת בתקופות קריטיות של העונה הגוברת כדי למצוא צמחים המציגים תכונות רצויות כגון הבשלה מוקדמת של תרמילים. אבל, ללא הזדמנות להפוך את זיהוי של סימנים אלה, מדענים לא יכולים לבדוק כמו אתרים רבים ככל שהם רוצים להגדיל את הזמן כדי לחסל זנים חדשים לשוק.
במחקר החדש של אוניברסיטת אילינוי, מדענים לחזות את תקופת ההתבגרות של פולי סויה בתוך יומיים באמצעות תמונות של מזל"ט ומודיעין מלאכותי, אשר מאוד מאפשר עבודה.
"ההערכה של בגרות POD דורשת הרבה זמן וכאן זה אפשרי לעתים קרובות כדי לטעות, שכן מערכת הערכה זו מבוססת על צבע התרמיל, ויש סיכון של קביעתו באופן שגוי", אומר ניקולס מרטין , פרופסור לשייך למחלקה של דוגמא באילינוי ומשתף הפעולה של המחקר. "רבים ניסו להשתמש בתצלומים של מזל"ט כדי להעריך בגרות, אבל אנחנו הראשונים למצוא דרך מדויקת לעשות את זה".
רודריגו טרווייזן, סטודנטית דוקטורט שעובדת עם מרטין, לימדה מחשבים כדי לזהות שינויים בצבע על דימויים של מזל"ט שנאספו בחמישה ניסויים, שלושה עונת הגידול ושתי מדינות. חשוב לציין כי מחשבים היו מסוגלים לשקול ולפרש אפילו את התמונות "רעות".
"נניח שאנחנו רוצים לאסוף תמונות כל שלושה ימים, אבל ברגע שהעננים מופיעים או יורדים יורדים, אשר משפיעים על איכות התמונות. בסופו של דבר, כאשר אתה מקבל נתונים במשך שנים שונות או ממקומות שונים, הם כולם ייראו שונים מנקודת המבט של מספר התמונות, intervals וכן הלאה. החדשנות העיקרית שפיתחנו היא איך אנחנו יכולים לקחת בחשבון את כל המידע שהתקבל. המודל שלנו עובד היטב לא משנה כמה פעמים הנתונים הולכים, "אומר Trevizan.
טרוויזן השתמש בסוג המודיעין המלאכותי, שנקרא רשתות עצביות עמוקות (CNN). הוא אומר כי CNN הוא כמו דרך אשר המוח האנושי לומד לפרש את מרכיבי התמונות - צבע, צורה, מרקם - כלומר, המידע המתקבל מעינינו.
"CNN לזהות שינויים קטנים בצבע, מלבד צורות, גבולות ומרקמים. עבורנו, החשוב ביותר היה צבע. אבל היתרון של דגמים של בינה מלאכותית, אשר השתמשנו, היא שזה יהיה די פשוט להשתמש באותו מודל כדי לחזות אופייני אחר, כגון תשואה או טווח. אז, עכשיו שיש לנו מודלים אלה, אנשים צריכים להיות הרבה יותר קל להשתמש באותה אסטרטגיה כדי למלא משימות רבות אחרות, "הסביר Trevizan.
מדענים אומרים כי הטכנולוגיה תהיה שימושית בעיקר גידול חברות מסחריות.
"היו לנו שותפים סקטורליים שהשתתפו במחקר שהיו ברצונו בהחלט להשתמש בו בשנים הקרובות. והם עשו תרומה טובה מאוד, חשובה. הם רצו לוודא שהתשובות רלוונטיות למגדלי שדה שהחלטות בחירת צמחים ולחקלאים, "אמר ניקולס מרטין.
(מקור: farmtario.com. צילום: Getty Images).