Peninjauan lapangan untuk memeriksa keadaan kacang soya di tengah-tengah musim panas - meletihkan, tetapi perlu kerja apabila mengeluarkan varieti baru.
Penternak perlu bersiar-siar setiap hari di bawah matahari yang terik dalam tempoh kritikal musim yang semakin meningkat untuk mencari tumbuh-tumbuhan yang menunjukkan ciri-ciri yang diingini seperti pematangan awal pod. Tetapi, tanpa peluang untuk mengautomasikan pengesanan tanda-tanda ini, saintis tidak boleh menguji seberapa banyak laman web kerana mereka ingin meningkatkan masa untuk menghapuskan varieti baru ke dalam pasaran.
Dalam kajian baru Universiti Illinois, para saintis meramalkan masa pematangan kacang soya dalam masa dua hari menggunakan imej dari drone dan kecerdasan buatan, yang sangat memudahkan kerja.
"Penilaian kematangan pod memerlukan banyak masa dan di sini sering mungkin untuk membuat kesilapan, kerana sistem penilaian ini didasarkan pada warna pod, dan ada risiko yang salah menentukannya," kata Nicholas Martin , Profesor Madya Jabatan Acara di Illinois dan kolaborator kajian. "Ramai yang cuba menggunakan gambar dari drone untuk menilai kematangan, tetapi kami adalah yang pertama untuk mencari cara yang tepat untuk melakukannya."
Rodrigo Trevizan, seorang pelajar doktor yang bekerja dengan Martin, mengajar komputer untuk mengesan perubahan warna pada imej dari dron yang dikumpulkan dalam lima percubaan, tiga musim yang semakin meningkat dan dua negara. Adalah penting untuk diperhatikan bahawa komputer dapat mempertimbangkan dan mentafsir walaupun imej "buruk".
"Katakan kita mahu mengumpul imej setiap tiga hari, tetapi apabila awan muncul atau hujan, yang mempengaruhi kualiti gambar. Pada akhirnya, apabila anda menerima data untuk tahun yang berlainan atau dari tempat yang berbeza, mereka semua akan kelihatan berbeza dari sudut pandangan bilangan imej, selang dan sebagainya. Inovasi utama yang telah kami maju adalah bagaimana kami dapat mengambil kira semua maklumat yang diterima. Model kami berfungsi dengan baik tidak kira berapa kerap data itu berlaku, "kata Trevizan.
Trevisan menggunakan jenis kecerdasan buatan, yang dipanggil Netrial Neural Controlutional yang mendalam (CNN). Dia mengatakan bahawa CNN adalah seperti cara untuk siapa otak manusia belajar untuk mentafsirkan komponen imej - warna, bentuk, tekstur - iaitu, maklumat yang diperoleh dari mata kita.
"CNN mengesan perubahan kecil dalam warna, selain bentuk, sempadan dan tekstur. Bagi kami, yang paling penting ialah warna. Tetapi kelebihan model kecerdasan buatan, yang kami gunakan, adalah bahawa ia akan menjadi agak mudah untuk menggunakan model yang sama untuk meramalkan ciri lain, seperti hasil atau span. Jadi, sekarang kita mempunyai model-model ini, orang harus lebih mudah menggunakan strategi yang sama untuk memenuhi banyak tugas lain, "jelas Trevizan.
Para saintis mengatakan bahawa teknologi akan berguna terutamanya dalam pembiakan syarikat komersial.
"Kami mempunyai rakan kongsi sektor yang mengambil bahagian dalam kajian yang pasti mahu menggunakannya pada tahun-tahun akan datang. Dan mereka membuat sumbangan yang sangat baik. Mereka mahu memastikan bahawa jawapannya relevan untuk penternak lapangan yang membuat keputusan memilih tumbuhan dan petani, "kata Nicholas Martin.
(Sumber: FarmTario.com. Foto: Getty Images).