गर्मी के बीच में सोयाबीन की स्थिति की जांच के लिए क्षेत्रीय पुनर्जागरण - थकाऊ, लेकिन नई किस्मों को हटाते समय आवश्यक काम।
प्रजनकों को बढ़ते मौसम की महत्वपूर्ण अवधि में बड़े पैमाने पर घूमने वाले सूरज के नीचे घूमना पड़ता है ताकि पौधों को पॉड्स की शुरुआती पकाने की इच्छाजनक विशेषताओं को दिखाया जा सके। लेकिन, इन संकेतों के पता लगाने के अवसर के बिना, वैज्ञानिक कई साइटों का परीक्षण नहीं कर सकते क्योंकि वे बाजार में नई किस्मों को खत्म करने के लिए समय में वृद्धि करना चाहते हैं।
इलिनोइस विश्वविद्यालय के नए अध्ययन में, वैज्ञानिकों ने ब्लॉनों और कृत्रिम बुद्धि से छवियों का उपयोग करके दो दिनों के भीतर सोयाबीन की परिपक्वता के समय की भविष्यवाणी की, जो काम को बहुत सुविधाजनक बनाता है।
"फली परिपक्वता के आकलन के लिए बहुत समय की आवश्यकता होती है और यहां एक गलती करना संभव होता है, क्योंकि यह मूल्यांकन प्रणाली फली के रंग पर आधारित होती है, और इसे गलत तरीके से निर्धारित करने का जोखिम होता है," निकोलस मार्टिन कहते हैं , इलिनोइस और अध्ययन के सहयोगी के सहयोगी के सहयोगी प्रोफेसर। "कई ने परिपक्वता का आकलन करने के लिए ड्रोन से स्नैपशॉट्स का उपयोग करने की कोशिश की, लेकिन हम इसे करने के लिए एक सटीक तरीका खोजने वाले पहले व्यक्ति हैं।"
रॉड्रिगो ट्रेविज़न, जो डॉक्टरेट छात्र मार्टिन के साथ काम कर रहे थे, कंप्यूटर को पांच परीक्षणों, तीन बढ़ते मौसम और दो देशों में एकत्रित ड्रोन से छवियों पर रंग परिवर्तनों का पता लगाने के लिए पढ़ाया जाता है। यह ध्यान रखना महत्वपूर्ण है कि कंप्यूटर भी "खराब" छवियों पर विचार और व्याख्या करने में सक्षम थे।
"मान लें कि हम हर तीन दिनों में छवियों को इकट्ठा करना चाहते हैं, लेकिन बादलों का प्रतीक या बारिश होती है, जो चित्रों की गुणवत्ता को प्रभावित करती है। अंत में, जब आप अलग-अलग वर्षों या विभिन्न स्थानों से डेटा प्राप्त करते हैं, तो वे सभी छवियों, अंतराल और अन्य की संख्या के दृष्टिकोण से अलग दिखेंगे। हमने जो मुख्य नवाचार विकसित किया है वह यह है कि हम सभी जानकारी प्राप्त कर सकते हैं। ट्रेविज़न कहते हैं, "हमारा मॉडल अच्छी तरह से काम करता है कि डेटा कितनी बार चल रहा था।"
ट्रेविसन ने कृत्रिम बुद्धि के प्रकार का उपयोग किया, जिसे गहरे अभियोजन तंत्रिका नेटवर्क (सीएनएन) कहा जाता है। उनका कहना है कि सीएनएन इस तरह की तरह है कि मानव मस्तिष्क छवियों के घटकों की व्याख्या करने के लिए सीखता है - रंग, आकार, बनावट - यानी, हमारी आंखों से प्राप्त जानकारी।
"सीएनएन रंगों, सीमाओं और बनावट के अलावा रंग में छोटे बदलाव का पता लगाता है। हमारे लिए, सबसे महत्वपूर्ण रंग था। लेकिन कृत्रिम बुद्धि के मॉडल का लाभ, जिसे हमने उपयोग किया, यह है कि उपज या अवधि जैसे किसी अन्य विशेषता की भविष्यवाणी करने के लिए एक ही मॉडल का उपयोग करना काफी आसान होगा। तो, अब हमारे पास ये मॉडल हैं, ट्रेविज़न ने समझाया, "कई अन्य कार्यों को पूरा करने के लिए लोगों को एक ही रणनीति का उपयोग करना बहुत आसान होना चाहिए।"
वैज्ञानिकों का कहना है कि तकनीक मुख्य रूप से प्रजनन वाणिज्यिक कंपनियों में उपयोगी होगी।
"हमारे पास क्षेत्रीय भागीदार थे जिन्होंने अध्ययन में भाग लिया जो निश्चित रूप से आने वाले वर्षों में इसका उपयोग करना चाहेगा। और उन्होंने एक बहुत अच्छा, महत्वपूर्ण योगदान दिया। वे यह सुनिश्चित करना चाहते थे कि उत्तर क्षेत्रीय प्रजनकों के लिए प्रासंगिक हैं जो पौधों और किसानों के लिए निर्णय लेने वाले निर्णय लेते हैं। "
(स्रोत: Farmtario.com। फोटो: गेट्टी छवियां)।