Lauko žvalgybinis sojos pupelių būklės tikrinimui vasaros viduryje - varginantys, bet reikalingi darbai, pašalindami naujas veisles.
Veisėjai turi klajoti kasdien po degančia saule kritiniais auginimo sezono laikotarpiais, kad surastų augalus, rodančius pageidaujamą funkciją, pvz., Ankstyvą ankščių brandėjimą. Tačiau, be galimybės automatizuoti šių ženklų aptikimą, mokslininkai negali išbandyti tiek svetainių, nes jie norėtų padidinti laiką, kad būtų pašalintos naujos veislės į rinką.
Naujajame Ilinojaus universiteto tyrime mokslininkai prognozuoja sojos pupelių brendimo laiką per dvi dienas naudojant "Drones" vaizdus ir dirbtinį intelektą, kuris labai palengvina darbą.
"Pod brandos vertinimas reikalauja daug laiko ir čia dažnai galima padaryti klaidą, nes ši vertinimo sistema yra pagrįsta POD spalva, ir kyla pavojus, kad jis yra neteisingai nustatytas", - sako Nicholas Martin , Docentas iš Creeding į Ilinojaus ir studijų bendradarbį departamento katedros. "Daugelis bandė naudoti fotografijas iš dronų, kad įvertintų terminą, bet mes esame pirmieji, kurie suras tiksliai tai padaryti."
Rodrigo Treviizan, daktaro studentas, dirbantis su Martinu, mokė kompiuterius, kad aptiktų spalvų pokyčius iš penkių bandymų, trijų auginimo sezono ir dviejų šalių. Svarbu pažymėti, kad kompiuteriai galėjo apsvarstyti ir interpretuoti net "blogus" vaizdus.
"Pasakykime, kad mes norime rinkti vaizdus kas tris dienas, bet kai atsiranda debesys ar lietus, kurie turi įtakos nuotraukų kokybei. Galų gale, kai gausite duomenis skirtingais metais arba iš skirtingų vietų, jie visi atrodys skiriasi nuo vaizdų skaičiaus, intervalų ir pan. Pagrindinė naujovė, kurią sukūrėme, yra tai, kaip galime atsižvelgti į visą gautą informaciją. Mūsų modelis gerai veikia, nesvarbu, kaip dažnai vyko duomenys ", - sako Trevizan.
"Trevisan" naudojo dirbtinio intelekto tipą, vadinamą gilių konvoliucionaliniais neuroniais tinklais (CNN). Jis sako, kad CNN yra tarsi būdas, kuriuo žmogaus smegenys mokosi interpretuoti vaizdų komponentus - spalvą, formą, tekstūrą - tai yra iš mūsų akių gauta informacija.
"CNN aptinka mažus spalvos pokyčius, be formų, sienų ir tekstūrų. Mums svarbiausia buvo spalva. Tačiau dirbtinio intelekto modelių pranašumas, kurį mes naudojome, yra gana paprasta naudoti tą patį modelį, kad būtų galima numatyti kitą charakteristiką, pvz., Išeigą ar intervalą. Taigi, dabar mes turime šiuos modelius, žmonės turėtų būti daug lengviau naudoti tą pačią strategiją, kad įvykdytų daug kitų užduočių ", - paaiškino Treviizan.
Mokslininkai teigia, kad technologija bus naudinga pirmiausia veislinėse komercinėse įmonėse.
"Turėjome sektorių partnerius, kurie dalyvavo tyrime, kuris tikrai norėtų jį naudoti artimiausiais metais. Ir jie padarė labai gerą, svarbų indėlį. Jie norėjo įsitikinti, kad atsakymai yra svarbūs lauko augintojams, kurie priima sprendimus renkantis augalus ir ūkininkams ", - sakė Nicholas Martin.
(Šaltinis: Farmtario.com. Nuotrauka: Getty Images).