Polje izviđanje za provjeru stanja soje usred ljeta - iscrpljujuće, ali potrebno djelo pri uklanjanju novih sorti.
Uzgajivači moraju svakodnevno lutati pod užašnjem suncem u kritičnim razdobljima rastuće sezone kako bi pronašli biljke koje pokazuju poželjne značajke kao što su rano zrenja mahuna. No, bez mogućnosti automatizacije otkrivanja tih znakova, znanstvenici ne mogu testirati što više web-lokacija kao što bi željeli povećati vrijeme za eliminiranje novih sorti na tržište.
U novom studiju Sveučilišta u Illinoisu, znanstvenici predviđaju vrijeme sazrijevanja soje u roku od dva dana koristeći slike iz trutove i umjetne inteligencije, što uvelike olakšava rad.
"Procjena dospijeća POD-a zahtijeva puno vremena i ovdje je često moguće napraviti pogrešku, budući da se ovaj evaluacijski sustav temelji na boji Pod, a postoji opasnost od nepravilnog određivanja", kaže Nicholas Martin , Izvanredni profesor Odjela za vjerovanje u Illinoisu i suradniku studije. "Mnogi su pokušali koristiti snimke od trutove kako bi procijenili zrelost, ali smo prvi koji smo pronašli točan način da to učinimo."
Rodrigo Trevizan, doktorski student koji radi s Martin, predavao je računala za otkrivanje promjena boja na slikama iz trutove prikupljenih u pet suđenja, tri vegetacije i dvije zemlje. Važno je napomenuti da su računala mogu razmotriti i interpretirati čak i "loše" slike.
"Recimo da želimo skupljati slike svaka tri dana, ali kada se oblaci pojave ili pada kiša, što utječe na kvalitetu slika. Na kraju, kada primite podatke za različite godine ili s različitih mjesta, svi će se razlikovati od točke gledišta broja slika, intervala i tako dalje. Glavna inovacija koju smo razvili je kako možemo uzeti u obzir sve primljene informacije. Naš model dobro radi bez obzira na to koliko često podaci idu ", kaže Trevizan.
Trevisan je koristio vrstu umjetne inteligencije, nazvana duboka konvolucionalna neuronske mreže (CNN). On kaže da je CNN kao način na koji ljudski mozak uči interpretirati komponente slika - boju, oblik, teksturu - to jest, informacije dobivene iz naših očiju.
"CNN detektira male promjene boje, osim oblika, granica i tekstura. Za nas je najvažnija boja. No, prednost modela umjetne inteligencije, koji smo koristili, jest da bi bilo vrlo jednostavno koristiti isti model za predviđanje druge karakteristike, kao što je prinos ili raspon. Dakle, sada kada imamo ove modele, ljudi bi trebali biti mnogo lakše koristiti istu strategiju za ispunjenje mnogih drugih zadataka ", objasnio je Trevizan.
Znanstvenici kažu da će tehnologija biti korisna prvenstveno u uzgojnim trgovačkim društvima.
"Imali smo sektorske partnere koji su sudjelovali u studiji koji bi ga svakako htjeli koristiti u nadolazećim godinama. I napravili su vrlo dobar, važan doprinos. Željeli su biti sigurni da su odgovori relevantni za uzgajivače na terenu koji donose odluke koje odaberu biljke i poljoprivrednike ", rekao je Nicholas Martin.
(Izvor: FarmTario.com. Fotografija: Getty Images).