Shkëmbimi në terren për të kontrolluar gjendjen e soje në mes të verës - të rraskapitur, por puna e nevojshme kur largon varietetet e reja.
Breeders duhet të enden çdo ditë nën diellin e nxehtë në periudha kritike të sezonit të rritjes për të gjetur bimë që tregojnë karakteristika të dëshirueshme si ripening i hershëm i pods. Por, pa pasur mundësi të automatizojë zbulimin e këtyre shenjave, shkencëtarët nuk mund të testojnë sa më shumë vende, pasi ata dëshirojnë të rrisin kohën për të eliminuar varietetet e reja në treg.
Në studimin e ri të Universitetit të Illinois, shkencëtarët parashikojnë kohën e maturimit të soje brenda dy ditëve duke përdorur imazhe nga dronët dhe inteligjenca artificiale, gjë që lehtëson punën.
"Vlerësimi i pjekurisë së Pod kërkon shumë kohë dhe këtu shpesh është e mundur të bëhet një gabim, pasi ky sistem vlerësimi bazohet në ngjyrën e podit, dhe ekziston rreziku i përcaktimit të gabimisht", thotë Nicholas Martin , Profesor i asociuar i Departamentit të Creeding në Illinois dhe bashkëpunëtor i studimit. "Shumë u përpoqën të përdorin snapshots nga drones për të vlerësuar pjekurinë, por ne jemi të parët për të gjetur një mënyrë të saktë për ta bërë këtë."
Rodrigo Trevizan, një student i doktoraturës që punon me Martin, mësoi kompjutera për të zbuluar ndryshimet e ngjyrave në imazhe nga dronat e mbledhura në pesë sprova, tre sezonin në rritje dhe dy vende. Është e rëndësishme të theksohet se kompjuterët ishin në gjendje të marrin në konsideratë dhe interpretojnë edhe imazhet "e këqija".
"Le të themi se ne duam të mbledhim imazhe çdo tre ditë, por sapo të shfaqen retë ose bie shi, gjë që ndikon në cilësinë e fotografive. Në fund, kur të merrni të dhëna për vite të ndryshme ose nga vende të ndryshme, ata të gjithë do të duken ndryshe nga pikëpamja e numrit të imazheve, intervaleve dhe kështu me radhë. Inovacioni kryesor që kemi zhvilluar është se si mund të marrim parasysh të gjithë informacionin e marrë. Modeli ynë punon mirë pa marrë parasysh sa shpesh do të jenë të dhënat ", thotë Trevizan.
Trevisan përdori llojin e inteligjencës artificiale, të quajtur Rrjetet Neurale të Deep Convolutional (CNN). Ai thotë se CNN është si një mënyrë për të cilën truri i njeriut mëson të interpretojë komponentët e imazheve - ngjyra, formë, cilësi - domethënë, informacioni i marrë nga sytë tanë.
"CNN zbulon ndryshime të vogla në ngjyrë, përveç formave, kufijve dhe teksteve. Për ne, më e rëndësishmja ishte ngjyra. Por avantazhi i modeleve të inteligjencës artificiale, që kemi përdorur, është se do të ishte mjaft e thjeshtë për të përdorur të njëjtin model për të parashikuar një karakteristikë tjetër, të tilla si prodhimi ose span. Pra, tani që kemi këto modele, njerëzit duhet të jenë shumë më të lehtë për të përdorur të njëjtën strategji për të përmbushur shumë detyra të tjera ", shpjegoi Trevizan.
Shkencëtarët thonë se teknologjia do të jetë e dobishme kryesisht në edukimin e kompanive tregtare.
"Ne kishim partnerë sektorialë që morën pjesë në studimin që patjetër do të dëshironin ta përdorin atë në vitet e ardhshme. Dhe ata bënë një kontribut shumë të mirë dhe të rëndësishëm. Ata donin të siguroheshin që përgjigjet janë relevante për mbarështuesit në terren që marrin vendime duke zgjedhur bimët dhe për fermerët ", tha Nicholas Martin.
(Burimi: FarmTario.com. Foto: Getty Images).