ಬೇಸಿಗೆಯ ಮಧ್ಯೆ ಸೋಯಾಬೀನ್ಗಳ ಸ್ಥಿತಿಯನ್ನು ಪರೀಕ್ಷಿಸಲು ಕ್ಷೇತ್ರ ವಿಚಕ್ಷಣ - ಹೊಸ ಪ್ರಭೇದಗಳನ್ನು ತೆಗೆದುಹಾಕುವಾಗ ಅಗತ್ಯವಿರುವ ಕೆಲಸ.
ಬೆಳೆಯುತ್ತಿರುವ ಋತುವಿನಲ್ಲಿ ಬೆಳೆಯುತ್ತಿರುವ ಋತುವಿನಲ್ಲಿ ಬೆಳೆಯುತ್ತಿರುವ ಸೂರ್ಯನ ಅಡಿಯಲ್ಲಿ ತಳಿಗಳು ಬೆಳೆಯುತ್ತಿರುವ ಸೂರ್ಯನ ಅಡಿಯಲ್ಲಿ ಸುತ್ತಾಟ ಮಾಡಬೇಕಾಗುತ್ತದೆ. ಆದರೆ, ಈ ಚಿಹ್ನೆಗಳ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಅವಕಾಶವಿಲ್ಲದೆ, ವಿಜ್ಞಾನಿಗಳು ಹೊಸ ಪ್ರಭೇದಗಳನ್ನು ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ತೊಡೆದುಹಾಕಲು ಸಮಯವನ್ನು ಹೆಚ್ಚಿಸಲು ಬಯಸುವಂತೆ ಅನೇಕ ಸೈಟ್ಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
ಇಲಿನಾಯ್ಸ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಹೊಸ ಅಧ್ಯಯನದಲ್ಲಿ, ವಿಜ್ಞಾನಿಗಳು ಡ್ರೋನ್ಸ್ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿ ಎರಡು ದಿನಗಳಲ್ಲಿ ಸೋಯಾಬೀನ್ಗಳ ಪಕ್ವತೆಯ ಸಮಯವನ್ನು ಊಹಿಸುತ್ತಾರೆ, ಇದು ಹೆಚ್ಚು ಕೆಲಸವನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ.
"ಪಾಡ್ ಮುಕ್ತಾಯದ ಮೌಲ್ಯಮಾಪನವು ಸಾಕಷ್ಟು ಸಮಯ ಬೇಕಾಗುತ್ತದೆ ಮತ್ತು ಇಲ್ಲಿ ತಪ್ಪುಮಾಡಲು ಸಾಧ್ಯವಿದೆ, ಏಕೆಂದರೆ ಈ ಮೌಲ್ಯಮಾಪನ ವ್ಯವಸ್ಥೆಯು ಪಾಡ್ನ ಬಣ್ಣವನ್ನು ಆಧರಿಸಿದೆ, ಮತ್ತು ಅದನ್ನು ತಪ್ಪಾಗಿ ನಿರ್ಧರಿಸುವ ಅಪಾಯವಿದೆ" ಎಂದು ನಿಕೋಲಸ್ ಮಾರ್ಟಿನ್ ಹೇಳುತ್ತಾರೆ , ಇಲಿನಾಯ್ಸ್ನ ಸೆಡ್ಯೂಟಿಂಗ್ ಇಲಾಖೆಯ ಪ್ರಾಧ್ಯಾಪಕ ಮತ್ತು ಅಧ್ಯಯನದ ಸಹಯೋಗಿ. "ಹಲವು ಡ್ರೋನ್ಸ್ನಿಂದ ಸ್ನ್ಯಾಪ್ಶಾಟ್ಗಳನ್ನು ಮೆಚುರಿಟಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿದರು, ಆದರೆ ಅದನ್ನು ಮಾಡಲು ನಿಖರವಾದ ಮಾರ್ಗವನ್ನು ಕಂಡುಕೊಳ್ಳಲು ನಾವು ಮೊದಲಿಗರಾಗಿದ್ದೇವೆ."
ರೋಡ್ರಿಗೊ ಟ್ರೆವಿಝಾನ್ ಮಾರ್ಟಿನ್ ಜೊತೆ ಕೆಲಸ ಮಾಡುವ ಡಾಕ್ಟರೇಟ್ ವಿದ್ಯಾರ್ಥಿ, ಐದು ಪ್ರಯೋಗಗಳು, ಮೂರು ಬೆಳೆಯುತ್ತಿರುವ ಋತುವಿನಲ್ಲಿ ಸಂಗ್ರಹಿಸಿದ ಡ್ರೋನ್ಸ್ನಿಂದ ಚಿತ್ರಗಳ ಮೇಲೆ ಬಣ್ಣ ಬದಲಾವಣೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಕಂಪ್ಯೂಟರ್ಗಳನ್ನು ಕಲಿಸಿದನು. ಕಂಪ್ಯೂಟರ್ಗಳು "ಕೆಟ್ಟ" ಚಿತ್ರಗಳನ್ನು ಸಹ ಪರಿಗಣಿಸಲು ಮತ್ತು ವ್ಯಾಖ್ಯಾನಿಸಲು ಸಾಧ್ಯವಾಯಿತು ಎಂದು ಗಮನಿಸುವುದು ಮುಖ್ಯ.
"ನಾವು ಪ್ರತಿ ಮೂರು ದಿನಗಳಲ್ಲಿ ಚಿತ್ರಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಬಯಸುತ್ತೇವೆ ಎಂದು ಹೇಳೋಣ, ಆದರೆ ಮೋಡಗಳು ಕಾಣಿಸಿಕೊಂಡರೆ ಅಥವಾ ಮಳೆಯಾಗುತ್ತದೆ, ಇದು ಚಿತ್ರಗಳ ಗುಣಮಟ್ಟವನ್ನು ಪರಿಣಾಮ ಬೀರುತ್ತದೆ. ಕೊನೆಯಲ್ಲಿ, ನೀವು ವಿವಿಧ ವರ್ಷಗಳಿಂದ ಅಥವಾ ವಿವಿಧ ಸ್ಥಳಗಳಿಂದ ಡೇಟಾವನ್ನು ಸ್ವೀಕರಿಸಿದಾಗ, ಅವರು ಚಿತ್ರಗಳು, ಮಧ್ಯಂತರಗಳು ಮತ್ತು ಇನ್ನಿತರ ದೃಷ್ಟಿಕೋನದಿಂದ ಭಿನ್ನವಾಗಿರುತ್ತವೆ. ನಾವು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಪ್ರಮುಖ ನಾವೀನ್ಯತೆ ನಾವು ಸ್ವೀಕರಿಸಿದ ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಡೇಟಾವು ಎಷ್ಟು ಬಾರಿ ನಡೆಯುತ್ತಿದೆಯೆಂಬುದರಲ್ಲಿ ನಮ್ಮ ಮಾದರಿ ಚೆನ್ನಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ "ಎಂದು ಟ್ರೆವಿಝಾನ್ ಹೇಳುತ್ತಾರೆ.
ಟ್ರೆವಿಸನ್ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪ್ರಕಾರವನ್ನು ಆಳವಾದ ಸಮಾಲೋಚಕ ನರಮಂಡಲಗಳು (ಸಿಎನ್ಎನ್) ಎಂದು ಕರೆಯುತ್ತಾರೆ. ಬಣ್ಣ, ಆಕಾರ, ವಿನ್ಯಾಸ - ಅಂದರೆ, ನಮ್ಮ ಕಣ್ಣುಗಳಿಂದ ಪಡೆದ ಮಾಹಿತಿಯು ಚಿತ್ರಗಳ ಅಂಶಗಳನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಲು ಮಾನವ ಮಿದುಳು ಯಾರಿಗೆ ಕಲಿಯುವ ಮಾರ್ಗವಾಗಿದೆ ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ.
"ಸಿಎನ್ಎನ್ ಬಣ್ಣಗಳಲ್ಲಿ ಸಣ್ಣ ಬದಲಾವಣೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತದೆ, ಅಲ್ಲದೆ ರೂಪಗಳು, ಗಡಿಗಳು ಮತ್ತು ಟೆಕಶ್ಚರ್ಗಳು. ನಮಗೆ, ಅತ್ಯಂತ ಮುಖ್ಯವಾದ ಬಣ್ಣವಾಗಿದೆ. ಆದರೆ ನಾವು ಬಳಸಿದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮಾದರಿಗಳ ಪ್ರಯೋಜನವೆಂದರೆ, ಇಳುವರಿ ಅಥವಾ ಸ್ಪ್ಯಾನ್ನಂತಹ ಮತ್ತೊಂದು ವಿಶಿಷ್ಟತೆಯನ್ನು ಊಹಿಸಲು ಒಂದೇ ಮಾದರಿಯನ್ನು ಬಳಸುವುದು ತುಂಬಾ ಸರಳವಾಗಿದೆ. ಆದ್ದರಿಂದ, ಈಗ ನಾವು ಈ ಮಾದರಿಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ, ಜನರು ಅನೇಕ ಇತರ ಕಾರ್ಯಗಳನ್ನು ಪೂರೈಸಲು ಅದೇ ತಂತ್ರವನ್ನು ಬಳಸಲು ಸುಲಭವಾಗಿರಬೇಕು, "ಟ್ರೆವಿಝಾನ್ ವಿವರಿಸಿದರು.
ತಂತ್ರಜ್ಞಾನವು ಪ್ರಾಥಮಿಕವಾಗಿ ವಾಣಿಜ್ಯ ಕಂಪನಿಗಳಲ್ಲಿ ಉಪಯುಕ್ತವಾಗಿದೆ ಎಂದು ವಿಜ್ಞಾನಿಗಳು ಹೇಳುತ್ತಾರೆ.
"ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ಖಂಡಿತವಾಗಿಯೂ ಅದನ್ನು ಬಳಸಲು ಬಯಸುತ್ತಿರುವ ಅಧ್ಯಯನದಲ್ಲಿ ಪಾಲ್ಗೊಂಡ ಸೆಕ್ಟರ್ ಪಾಲುದಾರರನ್ನು ನಾವು ಹೊಂದಿದ್ದೇವೆ. ಮತ್ತು ಅವರು ಉತ್ತಮ, ಪ್ರಮುಖ ಕೊಡುಗೆಯನ್ನು ಮಾಡಿದರು. ಕ್ಷೇತ್ರಗಳು ಮತ್ತು ರೈತರಿಗೆ ಆಯ್ಕೆ ಮಾಡುವ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಕ್ಷೇತ್ರದ ತಳಿಗಾರರಿಗೆ ಉತ್ತರಗಳು ಸೂಕ್ತವೆಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಬಯಸಿದ್ದರು "ಎಂದು ನಿಕೋಲಸ್ ಮಾರ್ಟಿನ್ ಹೇಳಿದರು.
(ಮೂಲ: Farmtario.com. ಫೋಟೋ: ಗೆಟ್ಟಿ ಇಮೇಜಸ್).