Дроны и искусственный интеллект определяют зрелость сои с высокой точностью
Инновационные технологии могут значительно облегчить работу агронома-селекционера.
Полевая разведка для проверки состояния соевых бобов в разгар лета - изнурительная, но необходимая работа при выведении новых сортов.
Селекционерам приходится ежедневно бродить под палящим солнцем в критические периоды вегетационного периода, чтобы найти растения, демонстрирующие желательные черты, такие как раннее созревание стручков. Но, не имея возможности автоматизировать обнаружение этих признаков, ученые не могут тестировать столько участков, сколько им хотелось бы, что увеличивает время выведение новых сортов на рынок.
В новом исследовании Университета Иллинойса ученые прогнозируют срок созревания сои в течение двух дней с использованием изображений с дронов и искусственного интеллекта, что существенно облегчает работу.
«Оценка зрелости стручка требует очень много времени и здесь часто можно ошибиться, поскольку эта система оценки основана на цвете стручка, и есть риск неправильно его определить, - рассказывает Николас Мартин, доцент кафедры растениеводства в Иллинойсе и соавтор исследования. - Многие пытались использовать снимки с дронов для оценки зрелости, но мы первые, кто нашел точный способ сделать это».
Родриго Тревизан, докторант, работающий с Мартином, обучил компьютеры обнаруживать изменения цвета по изображениям с дронов, собранных в пяти испытаниях, трех вегетационных сезонах и двух странах. Важно отметить, что компьютеры смогли учитывать и трактовать даже «плохие» изображения.
«Скажем, мы хотим собирать изображения каждые три дня, но однажды появляются облака или идет дождь, что влияет на качество снимков. В конце концов, когда вы получите данные за разные годы или из разных мест, все они будут выглядеть по-разному с точки зрения количества изображений, интервалов и так далее. Основное нововведение, которое мы разработали, - это то, как мы можем учитывать всю полученную информацию. Наша модель работает хорошо независимо от того, как часто собирались данные», - говорит Тревизан.
Тревизан использовал тип искусственного интеллекта, называемый глубокими сверточными нейронными сетями (CNN). Он говорит, что CNN похожи на способ, которым человеческий мозг учится интерпретировать компоненты изображений - цвет, форму, текстуру – то есть информацию, полученную от наших глаз.
«CNN обнаруживают небольшие изменения в цвете, помимо форм, границ и текстуры. Для нас самым важным был цвет. Но преимущество моделей искусственного интеллекта, которые мы использовали, заключается в том, что было бы довольно просто использовать ту же модель для прогнозирования другой характеристики, такой как урожайность или полегание. Итак, теперь, когда у нас есть эти модели, людям должно быть намного проще использовать одну и ту же стратегию для выполнения многих других задач», пояснил Тревизан.
Ученые говорят, что технология будет полезна в первую очередь селекционным коммерческим компаниям.
«У нас были отраслевые партнеры, участвовавшие в исследовании, которые определенно захотят использовать это в ближайшие годы. И они внесли очень хороший, важный вклад. Они хотели убедиться, что ответы актуальны для полевых селекционеров, принимающих решения, выбирающих растения, и для фермеров», - сказал Николас Мартин.