Ricognizione sul campo Per verificare lo stato delle soia in mezzo all'estate - estenuante, ma il lavoro necessario quando si rimuovono nuove varietà.
Gli allevatori devono vagare ogni giorno sotto il sole scorezzante in periodi critici della stagione crescente per trovare le piante che mostrano caratteristiche desiderabili come la maturazione precoce dei baccelli. Ma, senza avere l'opportunità di automatizzare il rilevamento di questi segni, gli scienziati non possono testare quanti più siti come vorrebbero aumentare il tempo per eliminare nuove varietà nel mercato.
Nel nuovo studio dell'Università dell'Illinois, gli scienziati prevedono il tempo della maturazione delle soia entro due giorni utilizzando le immagini dei droni e dell'intelligenza artificiale, che facilita notevolmente il lavoro.
"La valutazione della maturità del pod richiede molto tempo e qui è spesso possibile commettere un errore, poiché questo sistema di valutazione si basa sul colore del pod, e c'è il rischio di determinarlo in modo errato", afferma Nicholas Martin , Associare il professore del Dipartimento di Creeding in Illinois e il collaboratore dello studio. "Molti hanno cercato di usare istantanee dai droni per valutare la maturità, ma siamo i primi a trovare un modo accurato per farlo".
Rodrigo Trevizan, uno studente di dottorato che lavora con Martin, ha insegnato computer per rilevare i cambiamenti di colore su immagini dai droni raccolti in cinque prove, tre stagioni in crescita e due paesi. È importante notare che i computer sono stati in grado di considerare e interpretare anche le immagini "cattive".
"Diciamo che vogliamo raccogliere immagini ogni tre giorni, ma una volta che le nuvole appaiono o piove, il che influenza la qualità delle immagini. Alla fine, quando si ricevono dati per diversi anni o da diversi luoghi, guarderanno tutti diversi dal punto di vista del numero di immagini, intervalli e così via. L'innovazione principale che abbiamo sviluppato è come possiamo tenere conto di tutte le informazioni ricevute. Il nostro modello funziona bene, non importa quanto spesso i dati stessero andando ", dice Trevizan.
Trevisan ha usato il tipo di intelligenza artificiale, chiamati reti neurali profonde profonde (CNN). Dice che CNN è come un modo a cui il cervello umano impara a interpretare i componenti delle immagini - colore, forma, texture - cioè le informazioni ottenute dai nostri occhi.
"CNN rileva piccoli cambiamenti di colore, oltre a forme, bordi e trame. Per noi, il più importante era il colore. Ma il vantaggio dei modelli di intelligenza artificiale, che abbiamo usato, è che sarebbe abbastanza semplice usare lo stesso modello per prevedere un'altra caratteristica, come la resa o l'intervallo. Quindi, ora che abbiamo questi modelli, le persone dovrebbero essere molto più facili da usare la stessa strategia per soddisfare molti altri compiti ", ha spiegato Trevizan.
Gli scienziati affermano che la tecnologia sarà utile principalmente nelle aziende commerciali riproducenti.
"Abbiamo avuto partner settoriali che hanno partecipato allo studio che vorrebbero sicuramente usarlo nei prossimi anni. E hanno fatto un contributo molto buono e importante. Volevano assicurarsi che le risposte siano rilevanti per gli allevatori del campo che prendono decisioni che scelgono le piante e per gli agricoltori ", ha affermato Nicholas Martin.
(Fonte: Farmtario.com. Foto: Getty Images).