Науковці винайшли високоточний спосіб визначення зрілості сої за допомогою дронів

Про це пише FarmTario.com.

Дослідники Університету Іллінойсу навчились прогнозувати терміни дозрівання сої, використовуючи при цьому дронів та штучний інтелект. Така технологія істотно полегшить та пришвидшить роботу агрономів.

«Оцінка зрілості стручка вимагає дуже багато часу і тут часто можна помилитися, оскільки ця система оцінки заснована на кольорі стручка, і є ризик неправильно його визначити, — розповідає Ніколас Мартін, доцент кафедри рослинництва в Іллінойсі і співавтор дослідження. — Багато хто намагався використовувати знімки з дронів для оцінки зрілості, але ми перші, хто знайшли точний спосіб зробити це».

Родріго Тревизан, докторант, що працює з Мартіном, навчив комп’ютери виявляти зміни кольору із зображень з дронів. Важливо відзначити, що комп’ютери змогли враховувати і трактувати навіть «погані» зображення.

Читати по темі: Науковці створили портативний сенсор для вимірювання рівня стресу в рослин

«Скажімо, ми хочемо збирати зображення кожні три дні, але одного разу з’являються хмари або йде дощ, що впливає на якість знімків. Зрештою, коли ви отримаєте дані за різні роки або з різних місць, всі вони будуть виглядати по-різному з точки зору кількості зображень, інтервалів і так далі. Основне нововведення, яке ми розробили, — це те, як ми можемо враховувати всю отриману інформацію. Наша модель працює добре незалежно від того, як часто збиралися дані», — каже Тревизан.

Тревизан використовував тип штучного інтелекту, званий глибокими надточними нейронними мережами (CNN). Він каже, що CNN схожі на спосіб, яким людський мозок вчиться інтерпретувати компоненти зображень — колір, форму, текстуру — тобто інформацію, отриману від наших очей.

«CNN виявляють невеликі зміни в кольорі, крім форм, меж і текстури. Для нас найважливішим був колір. Але перевага моделей штучного інтелекту, які ми використовували, полягає в тому, що було б досить просто використовувати ту ж модель для прогнозування інших характеристик, таких як врожайність або вилягання. Отже, тепер, коли у нас є ці моделі, людям повинно бути набагато простіше використовувати одну і ту ж стратегію для виконання багатьох інших завдань», — пояснив Тревизан.

Вчені говорять, що технологія буде корисна в першу чергу селекційним комерційним компаніям.

«У нас були галузеві партнери, які брали участь в дослідженні та планують використовувати розробку в найближчі роки. І вони внесли дуже хороший, важливий внесок. Вони хотіли переконатися, що відповіді актуальні для польових селекціонерів, і для фермерів», — сказав Ніколас Мартін.

Насіння MAS Seeds

Всі гібриди MAS Seeds