Pengintaian lapangan untuk memeriksa keadaan kedelai di tengah-tengah musim panas - melelahkan, tetapi perlu bekerja ketika menghapus varietas baru.
Peternak harus berkeliaran setiap hari di bawah matahari terbakar dalam periode kritis musim tanam untuk menemukan tanaman yang menunjukkan fitur yang diinginkan seperti pematangan awal polong. Tetapi, tanpa memiliki kesempatan untuk mengotomatiskan deteksi tanda-tanda ini, para ilmuwan tidak dapat menguji banyak situs karena mereka ingin meningkatkan waktu untuk menghilangkan varietas baru ke pasar.
Dalam studi baru Universitas Illinois, para ilmuwan memprediksi waktu pematangan kedelai dalam waktu dua hari menggunakan gambar dari drone dan kecerdasan buatan, yang sangat memfasilitasi pekerjaan.
"Penilaian kematangan pod membutuhkan banyak waktu dan inilah mungkin untuk membuat kesalahan, karena sistem evaluasi ini didasarkan pada warna pod, dan ada risiko yang salah menentukannya," kata Nicholas Martin , Associate Professor Departemen Perketulian di Illinois dan kolaborator penelitian. "Banyak yang mencoba menggunakan snapshot dari drone untuk menilai kedewasaan, tetapi kami adalah yang pertama menemukan cara yang akurat untuk melakukannya."
Rodrigo Trevizan, seorang siswa doktoral yang bekerja dengan Martin, mengajar komputer untuk mendeteksi perubahan warna pada gambar dari drone yang dikumpulkan dalam lima percobaan, tiga musim tanam dan dua negara. Penting untuk dicatat bahwa komputer dapat mempertimbangkan dan menafsirkan bahkan gambar "buruk".
"Katakanlah kita ingin mengumpulkan gambar setiap tiga hari, tetapi begitu awan muncul atau hujan, yang memengaruhi kualitas gambar. Pada akhirnya, ketika Anda menerima data untuk tahun yang berbeda atau dari tempat yang berbeda, mereka semua akan terlihat berbeda dari sudut pandang jumlah gambar, interval dan sebagainya. Inovasi utama yang kami kembangkan adalah bagaimana kami dapat memperhitungkan semua informasi yang diterima. Model kami bekerja dengan baik tidak peduli seberapa sering data berjalan, "kata Trevizan.
Trevisan menggunakan jenis kecerdasan buatan, yang disebut Jaringan Saraf Konvolusional (CNN). Dia mengatakan bahwa CNN seperti cara yang dipelajari otak manusia untuk menafsirkan komponen gambar - warna, bentuk, tekstur - yaitu, informasi yang diperoleh dari mata kita.
"CNN mendeteksi perubahan warna kecil, selain bentuk, batas, dan tekstur. Bagi kami, yang paling penting adalah warna. Tetapi keuntungan dari model kecerdasan buatan, yang kami gunakan, adalah bahwa akan cukup sederhana untuk menggunakan model yang sama untuk memprediksi karakteristik lain, seperti hasil atau rentang. Jadi, sekarang kita memiliki model-model ini, orang harus jauh lebih mudah untuk menggunakan strategi yang sama untuk memenuhi banyak tugas lain, "jelas Trevizan.
Para ilmuwan mengatakan bahwa teknologi akan bermanfaat terutama di perusahaan komersial berkembang biak.
"Kami memiliki mitra sektoral yang berpartisipasi dalam penelitian yang pasti ingin menggunakannya di tahun-tahun mendatang. Dan mereka memberikan kontribusi yang sangat baik dan penting. Mereka ingin memastikan bahwa jawabannya relevan untuk peternak lapangan yang membuat keputusan memilih tanaman dan bagi petani, "kata Nicholas Martin.
(Sumber: FarmTario.com. Foto: Getty Images).