![Drones un mākslīgā intelekts nosaka sojas pupu termiņu ar augstu precizitāti 5259_1](/userfiles/21/5259_1.webp)
Lauka izlūkošana, lai pārbaudītu stāvokli sojas pupu vidū vasaras - nogurdinošs, bet nepieciešams darbs, noņemot jaunas šķirnes.
Audzētājiem ir jāturpina katru dienu pēc apdeguma saules kritiskajos augšanas sezonas kritiskajos periodos, lai atrastu augus, kas rāda vēlamas iezīmes, piemēram, agri nogatavināšanas pākstis. Bet, neizmantojot iespēju automatizēt šo zīmju atklāšanu, zinātnieki nevar pārbaudīt tik daudz vietas, kā viņi vēlētos, lai palielinātu laiku, lai likvidētu jaunās šķirnes tirgū.
Ilinoisas Universitātes jaunajā pētījumā zinātnieki prognozē sojas pupu nogatavināšanas laiku divu dienu laikā, izmantojot drones un mākslīgā intelekta attēlus, kas ievērojami atvieglo darbu.
"No POD termiņa novērtējums prasa daudz laika, un šeit bieži vien ir iespējams kļūdīties, jo šī novērtēšanas sistēma ir balstīta uz krāsu POD, un pastāv risks nepareizi noteikt to," saka Nicholas Martin , Asociētais profesors Creeding Ilinoisā un pētījuma līdzstrādniekam. "Daudzi mēģināja izmantot momentuzņēmumus no drones, lai novērtētu briedumu, bet mēs esam pirmie, lai atrastu precīzu veidu, kā to izdarīt."
Rodrigo Trevizan, doktorants, kas strādā ar Martin, māca datorus, lai atklātu krāsu izmaiņas attēlos no drones savākti piecos izmēģinājumos, trīs audzēšanas sezonā un divās valstīs. Ir svarīgi atzīmēt, ka datori varēja apsvērt un interpretēt pat "sliktos" attēlus.
"Pieņemsim, ka mēs vēlamies savākt attēlus ik pēc trim dienām, bet, kad parādās mākoņi vai lietus, kas ietekmē attēlu kvalitāti. Galu galā, kad saņemat datus dažādiem gadiem vai no dažādām vietām, tie visi izskatās atšķirīgi no attēlu skaita, intervālu un tā tālāk redzes punkta. Galvenais jauninājums, ko mēs esam izstrādājuši, ir tas, kā mēs varam ņemt vērā visu saņemto informāciju. Mūsu modelis darbojas labi neatkarīgi no tā, cik bieži dati bija iet, "saka Trevizan.
Trevisan izmantoja mākslīgā intelekta veidu, ko sauc par dziļu konvolutional neironu tīkliem (CNN). Viņš saka, ka CNN ir kā veids, kādā cilvēka smadzenes mācās interpretēt attēlus - krāsu, formu, tekstūru - tas ir, kas iegūta no mūsu acīm.
"CNN atklāj nelielas krāsas izmaiņas, turklāt formas, robežas un faktūras. Mums svarīgākais bija krāsa. Bet mākslīgā intelekta modeļu priekšrocība, ko mēs izmantojām, ir tas, ka būtu diezgan vienkārši izmantot to pašu modeli, lai prognozētu citu īpašību, piemēram, peļņu vai span. Tātad, tagad, kad mums ir šie modeļi, cilvēkiem vajadzētu būt daudz vieglāk izmantot to pašu stratēģiju, lai izpildītu daudzus citus uzdevumus, "paskaidroja Trevizan.
Zinātnieki saka, ka tehnoloģija būs noderīga galvenokārt vaislas komercsabiedrībās.
"Mums bija nozaru partneri, kas piedalījās pētījumā, kas noteikti vēlies to izmantot nākamajos gados. Un viņi sniedza ļoti labu, nozīmīgu ieguldījumu. Viņi vēlējās pārliecināties, ka atbildes ir būtiskas lauku audzētājiem, kas pieņem lēmumus par augiem un lauksaimniekiem, "sacīja Nikolaja Martins.
(Avots: FarmTario.com. Foto: Getty Images).