Dron sa šest rotora u letu – ilustrativna fotografija. Autor slike: Richard Unten putem Flickr, CC BY 2.0
Iz razloga sigurnosti hrane i ekonomskih poticaja, farmeri kontinuirano nastoje maksimizirati svoje tržišne prinose usjeva. Kako biljke rastu nedosljedno, u vrijeme žetve neizbježno će doći do varijacija u kvaliteti i veličini pojedinih usjeva. Stoga je pronalaženje optimalnog vremena žetve prioritet za poljoprivrednike.
Novi pristup korištenja dronova i umjetne inteligencije dokazivo poboljšava ovu procjenu pažljivim i točnim analiziranje pojedinih usjeva kako bi se procijenile njihove vjerojatne karakteristike rasta.
Cjevovod umjetne inteligencije temeljen na dronovima. Vizualni pregled sustava za snimanje i analizu slikovnih podataka o usjevima, koji zatim informiraju model kako bi pomogli poljoprivrednicima da saznaju najbolje vrijeme za žetvu na svojim poljima. Autor slike: Guo et al. CC-BY
Neke optimistične znanstvenofantastične priče govore o budućnosti nakon oskudice, u kojoj se ljudske potrebe zadovoljavaju, a težak rad obavljaju strojevi. Postoje neki načini na koje se čini da ova vizija predviđa neke elemente trenutnog tehnološkog napretka. Jedno takvo područje je istraživanje u poljoprivredi, gdje automatizacija ima utjecaja.
Po prvi put, istraživači, uključujući one sa Sveučilišta u Tokiju, demonstrirali su uvelike automatizirani sustav za poboljšanje prinosa usjeva, što može koristiti mnogima i može pomoći utrti put za buduće sustave koji bi jednog dana mogli izravno žeti usjeve.
"Ideja je relativno jednostavna, ali dizajn, implementacija i izvedba su izuzetno složeni", rekao je izvanredni profesor Wei Guo iz Laboratorija za fenomen polja.
„Ako poljoprivrednici znaju idealno vrijeme za žetvu usjeva, mogu smanjiti otpad, što je dobro za njih, potrošače i okoliš. Ali optimalno vrijeme žetve nije lako predvidjeti i u idealnom slučaju zahtijeva detaljno poznavanje svake biljke; takvi bi podaci bili previsoki troškovi i vrijeme da su ljudi zaposleni za njihovo prikupljanje. Ovdje stupaju dronovi.”
Guo ima iskustvo u informatičkoj i poljoprivrednoj znanosti, stoga je idealan za pronalaženje načina na koje bi vrhunski hardver i softver mogli pomoći poljoprivredi. On i njegov tim pokazali su da neki jeftini dronovi sa specijaliziranim softverom mogu slikati i analizirati mlade biljke - brokulu u slučaju ove studije - i točno predvidjeti njihove očekivane karakteristike rasta.
Dronovi provode proces snimanja više puta i to bez ljudske interakcije, što znači da sustav zahtijeva malo u smislu troškova rada.
Vizualizacija podataka na fotografijama iz zraka. Trošak ljudskog rada i uključenog vremena zabranjuje ručno katalogiziranje pojedinačnih biljaka u polju. Ovdje se kataloški podaci prikupljeni pomoću dronova i proizvedeni sustavom dubokog učenja preklapaju s fotografijama polja. Autor slike: Guo et al. CC-BY
"Neke bi moglo iznenaditi da bi žetva polja samo jedan dan prije ili poslije optimalnog vremena mogla smanjiti potencijalni prihod tog polja za farmera za 3.7% do čak 20.4%", rekao je Guo.
„Ali uz naš sustav, dronovi identificiraju i katalogiziraju svaku biljku na polju, a njihovi slikovni podaci daju model koji koristi duboko učenje za proizvodnju lako razumljivih vizualnih podataka za poljoprivrednike. S obzirom na trenutne relativno niske cijene bespilotnih letjelica i računala, komercijalna verzija ovog sustava trebala bi biti nadohvat ruke mnogim poljoprivrednicima.”
Glavni izazov tima bio je analiza slike i aspekti dubokog učenja. Samo prikupljanje slikovnih podataka relativno je trivijalno, ali s obzirom na način na koji se biljke kreću na vjetru i kako se svjetlost mijenja s vremenom i godišnjim dobima, slikovni podaci sadrže puno varijacija koje je strojevima često teško nadoknaditi.
Dakle, prilikom treniranja svog sustava, tim je morao uložiti ogromnu količinu vremena u označavanje različitih aspekata slika koje bi dronovi mogli vidjeti, kako bi pomogao sustavu da nauči identificirati ono što vidi ispravno. Ogromna propusnost podataka također je bila izazovna — podaci o slikama često su bili veličine trilijuna piksela, desecima tisuća puta veći čak i od vrhunske kamere pametnog telefona.
"Nadahnut sam da pronađem više načina na koje fenotipizacija biljaka (mjerenje svojstava rasta biljaka) može prijeći iz laboratorija na teren kako bi se pomoglo u rješavanju velikih problema s kojima se suočavamo", rekao je Guo.
Izvor:Sveučilište u Tokiju
