![டிரான்ஸ் மற்றும் செயற்கை நுண்ணறிவு உயர்ந்த துல்லியத்துடன் சோயாபியர்களின் முதிர்ச்சியை தீர்மானிக்கின்றன 5259_1](/userfiles/21/5259_1.webp)
கோடை நடுவில் சோயாபீன்ஸ் மாநிலத்தை சோதித்துப் பார்ப்பதற்கு புலம் reconising - சோர்வடைதல், ஆனால் தேவையான வேலை புதிய வகைகளை அகற்றும் போது.
வளர்ப்பவர்கள் வளர்ந்து வரும் பருவத்தின் முக்கியமான காலங்களில் தினசரி நீரில் அலைய வேண்டும், வளர்ந்து வரும் பருவங்களின் முக்கிய அம்சங்களைக் காணலாம். ஆனால், இந்த அறிகுறிகளின் கண்டறிதலைத் தடுக்கும் வாய்ப்பை இல்லாமல், விஞ்ஞானிகள் சந்தையில் புதிய வகைகளை அகற்றுவதற்கான நேரத்தை அதிகரிக்க விரும்புகிறார்கள், பல தளங்களை சோதிக்க முடியாது.
இல்லினாய்ஸ் பல்கலைக்கழகத்தின் புதிய ஆய்வில், விஞ்ஞானிகள் ட்ரோன்கள் மற்றும் செயற்கை நுண்ணறிவுகளிலிருந்து படங்களைப் பயன்படுத்தி இரண்டு நாட்களுக்குள் சோயாபீன்ஸின் முதிர்ச்சியின் நேரத்தை முன்னறிவிப்பார்கள், இது பெரிதும் வேலைக்கு உதவுகிறது.
"போட் முதிர்ச்சியின் மதிப்பீடு நிறைய நேரம் தேவைப்படுகிறது, இங்கு ஒரு தவறு செய்ய முடியும், இந்த மதிப்பீட்டு முறை பானையின் நிறத்தை அடிப்படையாகக் கொண்டது என்பதால், தவறாக தீர்மானிக்கக்கூடிய ஆபத்து உள்ளது," என்கிறார் நிக்கோலஸ் மார்டின் கூறுகிறார் இல்லினாய்ஸ் மற்றும் ஆய்வின் ஒத்துழைப்பாளரின் திணைக்களத்தின் இணை பேராசிரியர். "பலர் முதிர்ச்சியை மதிப்பிடுவதற்கு ட்ரோன்களிலிருந்து ஸ்னாப்ஷாட்களைப் பயன்படுத்த முயன்றனர், ஆனால் அதை செய்ய துல்லியமான வழியை கண்டுபிடிக்க முதலில் நாங்கள் இருக்கிறோம்."
மார்ட்டின் உடன் பணிபுரியும் டாக்டல் மாணவரான ரோட்ரிகோ ட்ரெவிசன், ஐந்து சோதனைகள், மூன்று வளர்ந்து வரும் பருவத்தில் மற்றும் இரண்டு நாடுகளில் சேகரிக்கப்பட்ட ட்ரோன்களிலிருந்து படங்களை வண்ண மாற்றங்களை கண்டுபிடிப்பதற்காக கணித்தார். கணினிகள் கூட "கெட்ட" படங்களை கூட கருத்தில் கொள்ள மற்றும் விளக்க முடியும் என்பதை கவனத்தில் கொள்ள வேண்டும்.
"நாம் ஒவ்வொரு மூன்று நாட்களிலும் படங்களை சேகரிக்க வேண்டும் என்று சொல்லலாம், ஆனால் மேகங்கள் தோன்றும் அல்லது மழை பெய்யும் போது, படங்களின் தரத்தை பாதிக்கும். இறுதியில், நீங்கள் வெவ்வேறு ஆண்டுகளாக அல்லது வெவ்வேறு இடங்களில் தரவு பெறும் போது, அவர்கள் படங்கள், இடைவெளிகள் மற்றும் பலவற்றின் எண்ணிக்கையிலிருந்து வித்தியாசமாக இருக்கும். நாம் உருவாக்கிய முக்கிய கண்டுபிடிப்பு நாம் எவ்வாறு கணக்கில் எடுத்துக் கொள்ளலாம் என்பதை கணக்கில் எடுத்துக்கொள்ளலாம். எங்கள் மாதிரியானது தரவு எவ்வளவு அடிக்கடி போகிறது என்பது நன்றாக வேலை செய்கிறது, "என்கிறார் Trevizan.
டிரிவிசன் செயற்கை நுண்ணறிவின் வகையைப் பயன்படுத்தினார், ஆழமான கலவையான நரம்பியல் நெட்வொர்க்குகள் (CNN) என்று அழைக்கப்படுகிறது. நிறம், வடிவம், அமைப்பு - அதாவது, எங்கள் கண்களில் இருந்து பெறப்பட்ட தகவல்கள் - படங்கள், வடிவம், அமைப்பு - படங்களின் கூறுகளை விளக்குவது யாரை சிஎன்என் ஒரு வழி என்று கூறுகிறார்.
"CNN வண்ணத்தில் சிறிய மாற்றங்களை கண்டறிந்து, படிவங்கள், எல்லைகள் மற்றும் இழைமங்களை தவிர. எங்களுக்கு, மிக முக்கியமான வண்ணம் இருந்தது. ஆனால் நாம் பயன்படுத்தும் செயற்கை நுண்ணறிவு மாதிரிகள் நன்மை, விளைச்சல் அல்லது ஸ்பான் போன்ற மற்றொரு பண்புகளை கணிக்க அதே மாதிரி பயன்படுத்த மிகவும் எளிது என்று. எனவே, இப்போது நாம் இந்த மாதிரிகள் என்று, மக்கள் பல பணிகளை நிறைவேற்ற அதே மூலோபாயத்தை பயன்படுத்த மிகவும் எளிதாக இருக்க வேண்டும், "என்று ட்ரீவிசன் விளக்கினார்.
விஞ்ஞானிகள் தொழில்நுட்ப தொழில்நுட்ப வணிக நிறுவனங்களை வளர்ப்பதில் பயனுள்ளதாக இருக்கும் என்று கூறுகின்றனர்.
"வரவிருக்கும் ஆண்டுகளில் அதைப் பயன்படுத்த விரும்பும் ஆய்வில் பங்குபெற்ற துறை பங்காளிகள் நாங்கள் கொண்டிருந்தோம். அவர்கள் ஒரு நல்ல, முக்கியமான பங்களிப்பு செய்தனர். புலம் வளர்ப்பாளர்களுக்கு பதில்களைத் தேர்ந்தெடுப்பதை உறுதிப்படுத்த அவர்கள் விரும்பினார்கள், அந்த முடிவுகளைத் தேர்ந்தெடுப்பதற்கான முடிவுகளைத் தேர்ந்தெடுப்பதை உறுதிப்படுத்த வேண்டும் "என்று நிக்கோலஸ் மார்டின் கூறினார்.
(மூல: Farmtario.com. புகைப்படம்: கெட்டி இமேஜஸ்).