Field könnun til að athuga ástand sojabaans í sumar - þreytandi, en nauðsynlegt starf þegar þú fjarlægir nýjar tegundir.
Ræktendur þurfa að reika daglega undir brennandi sólinni á mikilvægum tímum vaxtarskeiðsins til að finna plöntur sem sýna æskilegra eiginleika eins og snemma þroska pods. En án þess að fá tækifæri til að gera sjálfvirkan greininguna á þessum einkennum, geta vísindamenn ekki prófað eins mörg vefsvæði eins og þeir vilja auka tíma til að útrýma nýjum afbrigðum á markaðnum.
Í nýju rannsókninni á Háskólanum í Illinois spáir vísindamenn um þroska sojabaans innan tveggja daga með því að nota myndir frá drones og gervigreind, sem auðveldar mjög að vinna.
"Mat á þroskaþroska krefst mikillar tíma og hér er oft hægt að gera mistök, þar sem þetta matskerfi er byggt á lit POD, og það er hætta á að ranglega ákvarða það," segir Nicholas Martin , Dósent í deildinni í Creading í Illinois og samstarfsaðila rannsóknarinnar. "Margir reyndu að nota skyndimynd frá drones til að meta þroska, en við erum fyrsti til að finna nákvæma leið til að gera það."
Rodrigo Trevizan, doktorsnemi sem vinnur með Martin, kenndi tölvum til að greina litabreytingar á myndum frá njósnavélum sem safnað er í fimm rannsóknum, þremur vaxtarskeiðum og tveimur löndum. Mikilvægt er að hafa í huga að tölvur voru fær um að íhuga og túlka jafnvel "slæmar" myndirnar.
"Segjum að við viljum safna myndum á þriggja daga fresti, en þegar skýin birtast eða það rignir, sem hefur áhrif á gæði myndanna. Að lokum, þegar þú færð gögn fyrir mismunandi ár eða frá mismunandi stöðum, munu þeir allir líta öðruvísi út frá sjónarhóli fjölda mynda, millibili og svo framvegis. Helstu nýsköpunin sem við höfum þróað er hvernig við getum tekið tillit til allra upplýsinga sem berast. Líkan okkar virkar vel sama hversu oft gögnin voru að fara, "segir Trevizan.
Trevisan notaði tegund gervigreindar, sem kallast djúpur fulla tauga net (CNN). Hann segir að CNN sé eins og sá sem heilinn lærir að túlka hluti af myndum - litur, lögun, áferð - það er, upplýsingarnar sem fæst úr augum okkar.
"CNN uppgötva litla breytingar á lit, auk form, landamæri og áferð. Fyrir okkur var mikilvægasti liturinn. En kosturinn við líkan af gervigreind, sem við notuðum, er að það væri frekar einfalt að nota sama líkan til að spá fyrir um annað einkenni, svo sem ávöxtun eða span. Svo, nú þegar við höfum þessar gerðir, ætti fólk að vera miklu auðveldara að nota sömu stefnu til að uppfylla mörg önnur verkefni, "útskýrði Trevizan.
Vísindamenn segja að tæknin verði gagnleg fyrst og fremst í ræktunarviðskiptum.
"Við höfðum atvinnugreinaraðilar sem tóku þátt í rannsókninni sem myndi örugglega vilja nota það á næstu árum. Og þeir gerðu mjög gott, mikilvægt framlag. Þeir vildu ganga úr skugga um að svörin séu viðeigandi fyrir ræktendur sem taka ákvarðanir sem velja plöntur og bændur, "sagði Nicholas Martin.
(Heimild: Farmtario.com. Mynd: Getty Images).