![Drony i sztuczna inteligencja określają dojrzałość soi o wysokiej dokładności 5259_1](/userfiles/21/5259_1.webp)
Rekonnaissance pola do sprawdzenia stanu soi w środku lata - wyczerpujące, ale niezbędne prace przy usuwaniu nowych odmian.
Hodowcy muszą wędrować codziennie pod przypływającym słońcem w krytycznych okresach sezonu rosnącego, aby znaleźć rośliny pokazujące pożądane funkcje, takie jak wczesne dojrzewanie strąków. Ale bez możliwości zautomatyzowania wykrywania tych znaków naukowcy nie mogą przetestować jak najwięcej witryn, ponieważ chcieliby zwiększyć czas, aby wyeliminować nowe odmiany na rynek.
W nowym badaniu University of Illinois naukowcy przewidują czas dojrzewania soi w ciągu dwóch dni przy użyciu obrazów z dronów i sztucznej inteligencji, co znacznie ułatwia pracę.
"Ocena terminu zapadalności wymaga dużo czasu i tutaj często możliwe jest popełnienie błędu, ponieważ ten system oceny opiera się na kolorze strąku, a istnieje ryzyko nieprawidłowo określania", mówi Nicholas Martin , Profesor nadzwyczajny Departamentu Creditów w Illinois i współpracownika badania. "Wielu próbowało użyć migawek z dronów do oceny dojrzałości, ale jesteśmy pierwsi, aby znaleźć dokładny sposób, aby to zrobić".
Rodrigo Trevizan, student doktorski pracujący z Martinem, nauczał komputerów do wykrywania zmian kolorów na obrazach z dronów zebranych w pięciu próbach, trzech sezon wegetacyjnych i dwóch krajach. Ważne jest, aby pamiętać, że komputery były w stanie rozważyć i interpretować nawet obrazy "złe".
"Powiedzmy, że chcemy zbierać obrazy co trzy dni, ale gdy pojawią się chmury lub pada deszcz, co wpływa na jakość zdjęć. W końcu, gdy otrzymasz dane przez różne lata lub z różnych miejsc, wszyscy będą wyglądać inaczej niż punkt widzenia liczby obrazów, interwałów i tak dalej. Główną innowacją, którą opracowaliśmy, jest w jaki sposób możemy wziąć pod uwagę wszystkie otrzymane informacje. Nasz model działa dobrze bez względu na to, jak często dane brzmi: "mówi Trevizan.
Trevisan użył rodzaju sztucznej inteligencji, zwaną głęboką konwonulacją sieci neuronowych (CNN). Mówi, że CNN jest jak sposób, do którego ludzki mózg uczy się interpretować elementy obrazów - kolor, kształt, teksturę - to znaczy, informacje uzyskane z naszych oczu.
"CNN wykrywa małe zmiany kolorów, oprócz formularzy, granic i tekstur. Dla nas najważniejszy był kolor. Ale zaletą modeli sztucznej inteligencji, której użyliśmy, jest to, że byłoby to dość proste w użyciu tego samego modelu, aby przewidzieć kolejną charakterystykę, taką jak wydajność lub rozpiętość. Więc teraz, że mamy te modele, ludzie powinni być znacznie łatwiejsze w użyciu tej samej strategii, aby spełnić wiele innych zadań, "wyjaśnił Trevizan.
Naukowcy twierdzą, że technologia będzie przydatna przede wszystkim w spółkach handlowych hodowlanych.
"Mieliśmy partnerów sektorowych, którzy uczestniczyli w badaniu, które zdecydowanie chcieli go używać w nadchodzących latach. I zrobili bardzo dobry, ważny wkład. Chcieli upewnić się, że odpowiedzi są istotne dla hodowców polowych, którzy podejmują decyzje wybierające rośliny i dla rolników - powiedział Nicholas Martin.
(Źródło: Farmtario.com. Zdjęcie: Getty Images).