8.2 C
ブリュッセル
4月月曜日、22、2024
ニュースAI ドローンが農家の野菜収量の最適化を支援

AI ドローンが農家の野菜収量の最適化を支援

免責事項:記事で再現された情報と意見は、それらを述べている人のものであり、それは彼ら自身の責任です. での出版 The European Times 自動的に見解の支持を意味するのではなく、それを表明する権利を意味します。

免責事項の翻訳: このサイトのすべての記事は英語で公開されています。 翻訳されたバージョンは、ニューラル翻訳と呼ばれる自動化されたプロセスによって行われます。 疑問がある場合は、常に元の記事を参照してください。 理解していただきありがとうございます。

ニュースデスク
ニュースデスクhttps://europeantimes.news
The European Times ニュースは、地理的なヨーロッパ全土の市民の意識を高めるために重要なニュースをカバーすることを目的としています。


A six-rotor drone in flight - illustrative photo.

飛行中の XNUMX ローターのドローン – 実例写真。画像クレジット: Richard Unten (経由) Flickrの、CC BY 2.0

食糧安全保障と経済的インセンティブの理由から、農家は市場性のある作物収量を最大化することを継続的に追求しています。植物の成長には一貫性がないため、収穫時には必然的に個々の作物の品質やサイズにばらつきが生じます。したがって、最適な収穫時期を見つけることは農家にとって最優先事項です。

ドローンと人工知能を使用する新しいアプローチは、慎重かつ正確にこの推定を明らかに改善します。 個々の作物を分析する 成長の可能性のある特性を評価するため。

ドローンベースの AI パイプライン。作物に関する画像データを取得して分析するシステムの視覚的な概要。モデルに情報を提供することで、農家が畑の収穫に最適な時期を知ることができます。

ドローンベースの AI パイプライン。作物に関する画像データを取得して分析するシステムの視覚的な概要。モデルに情報を提供することで、農家が畑の収穫に最適な時期を知ることができます。画像クレジット: Guo et al. CC-BY

一部の楽観的な SF 物語では、人間のニーズが満たされ、重労働が機械によって提供される、欠乏後の未来について語られています。このビジョンが現在の技術進歩のいくつかの要素を予測しているように見える点がいくつかあります。そのような分野の XNUMX つは農業研究であり、自動化が影響を及ぼしています。

東京大学を含む研究者らは、作物の収量を向上させるための大部分が自動化されたシステムを初めて実証した。これは多くの人に利益をもたらし、いつか作物を直接収穫できる将来のシステムへの道を開くのに役立つかもしれない。

「アイデアは比較的シンプルですが、設計、実装、実行は非常に複雑です」とフィールドフェノミクス研究室の Wei Guo 准教授は述べています。

「農家が畑を収穫する理想的な時期を知っていれば、廃棄物を減らすことができ、それは農家にとっても消費者にとっても環境にとっても良いことです。しかし、最適な収穫時期を予測するのは簡単ではなく、理想的には各植物についての詳細な知識が必要です。このようなデータを収集するために人を雇うと、法外な費用と時間がかかるでしょう。ここでドローンの出番です。」

Guo 氏はコンピューター サイエンスと農業科学の両方の背景を持っているため、最先端のハードウェアとソフトウェアが農業を支援する方法を見つけるのに最適です。彼と彼のチームは、特殊なソフトウェアを備えた一部の低コストのドローンが若い植物 (この研究の場合はブロッコリー) を画像化して分析し、予想される成長特性を正確に予測できることを実証しました。

ドローンは画像化プロセスを複数回実行し、人間の介入なしで実行するため、システムの人件費はほとんどかかりません。

航空写真によるデータの視覚化。人件費と時間のコストがかかるため、圃場内の個々の植物を手動でカタログ化することはできません。ここでは、ドローンによって収集され、ディープラーニング システムによって生成されたカタログ データが、畑の写真に重ね合わされています。

航空写真によるデータの視覚化。人件費と時間のコストがかかるため、圃場内の個々の植物を手動でカタログ化することはできません。ここでは、ドローンによって収集され、ディープラーニング システムによって生成されたカタログ データが、畑の写真に重ね合わされています。画像クレジット: Guo et al. CC-BY

「最適な時期の前後わずか 3.7 日で畑を収穫するだけで、農家のその畑の潜在的な収入が 20.4% から XNUMX% も減少する可能性があることを知ると驚く人もいるかもしれません」と Guo 氏は言いました。

「しかし、私たちのシステムでは、ドローンが圃場にあるすべての植物を識別してカタログ化し、その画像データをディープラーニングを使用したモデルに供給して、農家にとってわかりやすい視覚データを生成します。現在のドローンとコンピューターのコストが比較的低いことを考慮すると、このシステムの商用バージョンは多くの農家に手の届くところにあるはずです。」

チームの主な課題は、画像分析とディープラーニングの側面にありました。画像データの収集自体は比較的簡単ですが、植物が風に吹かれてどのように動くか、時間や季節によって光がどのように変化するかを考えると、画像データには多くの変動が含まれており、機械では補正するのが難しいことがよくあります。

そのため、システムをトレーニングする際、チームは、システムが見ているものを正しく識別できるようにするために、ドローンが見る可能性のある画像のさまざまな側面にラベルを付けることに膨大な時間を費やす必要がありました。膨大なデータ スループットも課題でした。画像データは多くの場合、数兆ピクセルのオーダーに達し、ハイエンドのスマートフォンのカメラの数万倍にもなります。

「私たちが直面している大きな問題を解決するために、植物のフェノタイピング(植物の成長形質の測定)を研究室から現場に届けるさらなる方法を見つけることに刺激を受けています」とGuo氏は語った。

情報源:東京大学



ソースリンク

- 広告 ​​-

著者からのより多く

-独占コンテンツ-スポット画像
- 広告 ​​-
- 広告 ​​-
- 広告 ​​- スポット画像
- 広告 ​​-

必読

最新記事

- 広告 ​​-