उन्हाळ्याच्या मध्यभागी सोयाबीनची स्थिती तपासण्यासाठी फील्ड रिकॅनिशन्सन्स - थकवा, परंतु नवीन जाती काढून टाकताना आवश्यक कार्य.
वाढत्या हंगामात रोपे शोधून काढण्यासाठी रोपे शोधून काढण्यासाठी प्रजनन करणार्या वनस्पती शोधण्यासाठी रोपे शोधण्यासाठी वनस्पती शोधणे. परंतु, या चिन्हे शोधण्याची संधी स्वयंचलित करण्याची संधी न घेता, शास्त्रज्ञांना बर्याच साइट्सची चाचणी घेऊ शकत नाहीत कारण त्यांना बाजारात नवीन जाती काढून टाकण्याची वेळ वाढवण्याची इच्छा आहे.
इलिनॉय विद्यापीठाच्या नवीन अभ्यासात, शास्त्रज्ञांनी ड्रोन आणि कृत्रिम बुद्धिमत्तेपासून प्रतिमा वापरून दोन दिवसांच्या आत सोयाबीनच्या परिपक्वताच्या वेळेची भविष्यवाणी केली आहे जी मोठ्या प्रमाणात कार्य सुलभ करते.
"पोड मॅच्युरिटीचे मूल्यांकन बराच वेळ लागतो आणि येथे एक चूक करणे शक्य आहे, कारण ही मूल्यांकन प्रणाली पोडच्या रंगावर आधारित आहे आणि चुकीच्या ठरविण्याचा धोका असतो," असे निकोलस मार्टिन म्हणतात. इलिनॉय मध्ये क्रिडिंग विभाग आणि अभ्यास च्या सहयोगी म्हणून सहयोगी प्राध्यापक. "बर्याचजणांनी परिपक्वतेचे मूल्यांकन करण्यासाठी ड्रोनकडून स्नॅपशॉट्स वापरण्याचा प्रयत्न केला, परंतु आम्ही ते करण्याचा अचूक मार्ग शोधण्याचा प्रयत्न करतो."
मार्टिनने काम करणार्या डॉक्टरेट विद्यार्थी रॉड्रिगो ट्रेविझन यांनी पाच ट्रायल्स, तीन वाढत्या हंगामात आणि दोन देशांमध्ये संकलित केलेल्या ड्रोनवरील रंगांमध्ये रंग बदलण्यासाठी संगणकांना शिकवले. हे लक्षात घेणे महत्त्वाचे आहे की संगणक अगदी "खराब" प्रतिमा देखील विचारात आणि व्याख्या करण्यास सक्षम होते.
"समजा आपण प्रत्येक तीन दिवसात प्रतिमा गोळा करू इच्छितो, परंतु एकदा ढग दिसतात किंवा पाऊस पडतात, जे चित्रांच्या गुणवत्तेवर परिणाम करते. शेवटी, जेव्हा आपण वेगवेगळ्या वर्षांपासून किंवा वेगवेगळ्या ठिकाणी डेटा प्राप्त करता तेव्हा ते सर्व प्रतिमा प्रतिमा, अंतराल आणि इतर गोष्टींच्या दृष्टिकोनातून भिन्न दिसतील. आम्ही विकसित केलेल्या मुख्य नवकल्पना आम्ही प्राप्त केलेल्या सर्व माहितीचे खाते कसे घेऊ शकतो. ट्रेविझन म्हणते, "आमचे मॉडेल किती वेळा जात होते हे महत्त्वाचे नाही."
Trevisan एक कृत्रिम बुद्धिमत्ता म्हणून वापरले, ज्याला गहन क्रांती न्यूरल नेटवर्क (सीएनएन) म्हणतात. ते म्हणतात की सीएनएन हा एक मार्ग आहे ज्यांच्याद्वारे मानवी मेंदूचा अर्थ सांगतो - रंग, आकार, पोत - म्हणजेच, आमच्या डोळ्यांमधून प्राप्त केलेली माहिती.
"फॉर्म, सीमा आणि पोत व्यतिरिक्त, सीएनएन लहान लहान बदल ओळखतात. आमच्यासाठी, सर्वात महत्वाचे रंग होते. परंतु आम्ही वापरल्या जाणार्या कृत्रिम बुद्धिमत्तेच्या मॉडेलचा फायदा असा आहे की यावेळ किंवा कालावधीसारख्या दुसर्या वैशिष्ट्याची पूर्तता करण्यासाठी समान मॉडेल वापरणे सोपे होईल. तर आता आमच्याकडे हे मॉडेल आहेत, इतर अनेक कार्ये पूर्ण करण्यासाठी समान धोरण वापरणे आवश्यक आहे, "ट्रेविझन यांनी सांगितले.
शास्त्रज्ञ म्हणतात की तंत्रज्ञान प्रामुख्याने प्रजनन व्यावसायिक कंपन्यांमध्ये उपयुक्त ठरेल.
"आमच्याकडे सेक्टरल भागीदार होते जे अभ्यासात सहभागी झाले जे निश्चितपणे येत्या काही वर्षांमध्ये याचा वापर करायचा आहे. आणि त्यांनी खूप चांगले, महत्वाचे योगदान केले. निकोलस मार्टिन यांनी सांगितले की, शेतकर्यांसाठी आणि शेतकर्यांसाठी निर्णय घेणारे फील्ड प्रजनकांसाठी उत्तरे संबंधित आहेत याची त्यांना खात्री आहे.
(स्त्रोत: फार्म्टारियो. फोटो. फोटो: गेट्टी प्रतिमा).