Pole prieskum na kontrolu stavu sójových bôbov uprostred leta - vyčerpávajúce, ale potrebná práca pri odstraňovaní nových odrôd.
Chovatelia musia blúdiť denne pod horiacou slnou v kritických obdobiach rastúceho obdobia, aby našli rastliny, ktoré ukazujú žiaduce vlastnosti, ako je skoré dozrievanie strukov. Ale bez toho, aby ste mali možnosť automatizovať detekciu týchto značiek, vedci nemôžu testovať toľko miest, pretože by chceli zvýšiť čas na odstránenie nových odrôd na trh.
V novej štúdii University of Illinois vedci predpovedajú čas dozrievania sójových bôbov do dvoch dní pomocou obrázkov z drôde a umelej inteligencie, čo značne uľahčuje prácu.
"Hodnotenie splatnosti PODUJÚCE vyžaduje veľa času a tu je často možné urobiť chybu, pretože tento hodnotiaci systém je založený na farbe pod, a je tu riziko nesprávne určenia," hovorí Nicholas Martin , Spolupracovník z katedry Cleeding v Illinois a spolupracovníkom štúdie. "Mnohí sa snažili používať snímky z drôde, aby sme zhodnotili zrelosť, ale sme prvý, kto nájde presný spôsob, ako to urobiť."
Rodrigo Trevizan, doktorandský študent pracujúci s Martinom, učil počítače, aby detekovali zmeny farieb na obrázkoch z drôde zozbieraných v piatich skúškach, troch vegetačných sezónach a dvoch krajinách. Je dôležité poznamenať, že počítače boli schopní zvážiť a interpretovať aj "zlé" obrazy.
"Poďme povedať, že chceme zbierať obrázky každé tri dni, ale akonáhle sa zjavia mraky alebo prší, čo ovplyvňuje kvalitu obrázkov. Nakoniec, keď dostanete údaje pre rôzne roky alebo z rôznych miest, všetci sa rozlišujú z hľadiska počtu obrázkov, intervalov a tak ďalej. Hlavnou inováciou, ktorú sme vyvinuli, je, ako môžeme zohľadniť všetky prijaté informácie. Náš model funguje dobre bez ohľadu na to, ako často sa údaje idú, "hovorí Trevizan.
Trevisan použil typ umelej inteligencie, nazývanej hlboké konvolučné neurónové siete (CNN). Hovorí, že CNN je ako spôsob, ako sa ľudský mozog učí interpretovať komponenty obrázkov - farba, tvar, textúry - to znamená, že informácie získané z našich očí.
"CNN detekujú malé zmeny farby, okrem foriem, hraniciach a textúr. Pre nás, najdôležitejšia bola farba. Ale výhoda modelov umelej inteligencie, ktoré sme použili, je to, že by bolo veľmi jednoduché používať rovnaký model na predpovedanie ďalšej charakteristiky, ako je výnos alebo rozpätie. Takže teraz, keď máme tieto modely, ľudia by mali byť oveľa jednoduchšie používať rovnakú stratégiu na plnenie mnohých ďalších úloh, "vysvetlil Trevizan.
Vedci hovoria, že technológia bude užitočná predovšetkým v chovných obchodných spoločnostiach.
"Mali sme sektorových partnerov, ktorí sa zúčastnili štúdie, ktoré by to určite chceli používať v nasledujúcich rokoch. A urobili veľmi dobrý, dôležitý príspevok. Chceli sa uistiť, že odpovede sú relevantné pre chovateľov v teréne, ktorí rozhodujú o výbere rastlín a poľnohospodárov, "povedal Nicholas Martin.
(Zdroj: Farmtario.com. Foto: Getty Images).