![Droni in umetne inteligence določajo zrelost soje z visoko natančnostjo 5259_1](/userfiles/21/5259_1.webp)
Polje izvidovanja za preverjanje stanja soje sredi poletja - izčrpne, vendar potrebno delo pri odstranjevanju novih sort.
Rejci morajo vsakodnevno potepati pod žgočem soncem v kritičnih obdobjih naraščajoče sezone, da bi našli rastline, ki kažejo zaželene značilnosti, kot je zgodnje zorenje strok. Ampak, ne da bi imeli priložnost avtomatizirati odkrivanje teh znakov, znanstveniki ne morejo preizkusiti toliko lokacij, kot bi želeli povečati čas, da odpravi nove sorte na trg.
V novi študiji Univerze v Illinoisu, znanstveniki napovedujejo čas zorenja soje v dveh dneh z uporabo slik iz dronov in umetne inteligence, ki močno olajša delo.
"Ocena zrelosti POD zahteva veliko časa in tukaj je pogosto mogoče narediti napako, saj ta sistem vrednotenja temelji na barvi pod, in obstaja nevarnost nepravilno določitev," pravi Nicholas Martin , Izredni profesor oddelka za Creeding v Illinoisu in sodelavcu študije. "Mnogi so poskušali uporabiti posnetke od kanzon, da bi ocenili zrelost, vendar smo prvi, ki bodo našli natančen način, da to stori."
Rodrigo Trevizan, doktorski študent, ki dela z Martinom, je naučil računalnike za odkrivanje barvnih sprememb na slikah, ki so bili zbrani v petih preskušanjih, tri rastoče sezone in dve državi. Pomembno je omeniti, da so računalniki lahko razmislili in interpretirali tudi "slabe" slike.
"Recimo, da želimo zbrati slike vsake tri dni, vendar ko se oblaki pojavijo ali pa dežuje, ki vpliva na kakovost slik. Na koncu, ko prejmete podatke za različna leta ali iz različnih krajev, bodo vsi videti drugačne od vidika števila slik, intervalov in tako naprej. Glavna inovacija, ki smo jo razvili, je, kako lahko upoštevamo vse prejete informacije. Naš model dobro deluje, ne glede na to, kako pogosto so bili podatki, «pravi Trevizan.
Trevisan je uporabil vrsto umetne inteligence, imenovane globoke konvolucijske nevronske mreže (CNN). Pravi, da je CNN kot način, na katerega človeški možgani naučijo razlagati komponente slik - barve, oblike, teksture - to je informacije, pridobljene iz naših oči.
"CNN odkriva majhne spremembe v barvah, poleg oblik, meja in teksture. Za nas je bila najpomembnejša barva. Toda prednost modelov umetne inteligence, ki smo jo uporabili, je, da bi bilo zelo preprosto uporabiti isti model za napovedovanje druge značilnosti, kot je donos ali razpon. Torej, zdaj, ko imamo te modele, bi morali biti ljudje veliko lažji za uporabo iste strategije za izpolnitev številnih drugih nalog, «je pojasnil Trevizan.
Znanstveniki pravijo, da bo tehnologija koristna predvsem v trgovskih gospodarskih družbah.
"Imeli smo sektorske partnerje, ki so sodelovali v študiji, ki bi jo zagotovo želeli uporabiti v prihodnjih letih. In zelo dober, pomemben prispevek. Želeli so zagotoviti, da so odgovori pomembni za rejce na terenu, ki sprejemajo odločitve, ki izberejo rastline in kmete, «je dejal Nicholas Martin.
(Vir: FarmTario.com. Foto: Getty Images).