Arti Singh, asystent profesora agronomii, kieruje interdyscyplinarnym zespołem badawczym, który niedawno otrzymał trzyletni grant z Narodowego Instytutu Rolnictwa i Żywności Departamentu Rolnictwa USA na opracowanie technologii uczenia maszynowego, która mogłaby znacznie przyspieszyć diagnozowanie szeregu poważnych stresów w soi. Opracowywana technologia wykorzystywałaby kamery przymocowane do bezzałogowych statków powietrznych. Na podstawie wykonanych zdjęć aplikacja komputerowa automatycznie przeanalizowałaby obrazy i ostrzegła rolnika o wkrótce pojawiających się problemach.

-W najprostszym przypadku uczenie maszynowe to po prostu szkolenie maszyny do robienia czegoś, co robimy” - powiedział Singh. -Kiedy chcesz nauczyć dziecko, czym jest samochód, pokazujesz mu samochody. To właśnie robimy, aby trenować algorytmy komputerowe, pokazując dużą liczbę obrazów zmian fizjologicznych w soi w celu identyfikacji ich i klasyfikacji.

Potencjalne przewidywanie objawów przed ich pojawieniem się

Zespół badawczy zgromadził olbrzymi zestaw danych z obrazami soi, zarówno zdrowej jak i przechodzącej stresy i choroby, które następnie oznaczyli etykietą. Program komputerowy przegląda oznaczone obrazy i gromadzi algorytmy, które potrafią rozpoznać zmiany w nowych obrazach. Zdaniem naukowców program uczenia maszynowego może wykryć szeroki zakres typowych stresów soi, w tym chorób grzybowych, bakteryjnych i wirusowych, a także niedoborów składników odżywczych i uszkodzeń herbicydów.

Zastosowanie obrazowania hiperspektralnego lub kamer przechwytujących zakresy długości fal wykraczające poza zakres obserwowany przez ludzkie oko, może pozwolić technologii przewidzieć obecność stresu, zanim pojawią się objawy, dając rolnikom dodatkowy czas na poradzenie sobie z problemem.

Naukowcy są zdania, że podejście to może potencjalnie znaleźć zastosowanie również w wielu innych uprawach.

Źródło: Iowa State University, Department of Agronomy