Skrendantis šešių rotorių dronas – iliustracinė nuotrauka. Vaizdo kreditas: Richardas Untenas per "Flickr", CC BY 2.0
Aprūpinimo maistu ir ekonominių paskatų sumetimais ūkininkai nuolat siekia maksimaliai padidinti parduodamų javų derlių. Kadangi augalai auga nenuosekliai, derliaus nuėmimo metu atskirų pasėlių kokybė ir dydis neišvengiamai skirsis. Todėl optimalaus derliaus nuėmimo laiko paieška yra ūkininkų prioritetas.
Naujas bepiločių orlaivių ir dirbtinio intelekto naudojimo metodas akivaizdžiai pagerina šį įvertinimą kruopščiai ir tiksliai atskirų pasėlių analizė įvertinti tikėtinas jų augimo ypatybes.
Dronu pagrįstas AI dujotiekis. Vaizdinė sistemos apžvalga, skirta užfiksuoti ir analizuoti vaizdinius duomenis apie pasėlius, o vėliau – modelis, padedantis ūkininkams žinoti geriausią laiką nuimti derlių. Vaizdo kreditas: Guo ir kt. CC-BY
Kai kuriose optimistinėse mokslinės fantastikos istorijose kalbama apie ateitį po stygiaus, kai tenkinami žmonių poreikiai, o sunkus darbas atliekamas mašinomis. Yra keletas būdų, kaip ši vizija nuspėja kai kuriuos dabartinės technologinės pažangos elementus. Viena iš tokių sričių yra žemės ūkio moksliniai tyrimai, kur automatizavimas padarė įtaką.
Pirmą kartą mokslininkai, tarp jų ir Tokijo universiteto, pademonstravo iš esmės automatizuotą pasėlių derliaus gerinimo sistemą, kuri gali būti naudinga daugeliui ir gali padėti paruošti kelią būsimoms sistemoms, kurios vieną dieną galėtų tiesiogiai nuimti derlių.
„Idėja yra gana paprasta, tačiau dizainas, įgyvendinimas ir vykdymas yra nepaprastai sudėtingi“, - sakė docentas Wei Guo iš Lauko fenomikos laboratorijos.
„Jei ūkininkai žino idealų laiką nuimti derlių, jie gali sumažinti atliekų kiekį, o tai naudinga jiems, vartotojams ir aplinkai. Tačiau optimalų derliaus nuėmimo laiką nėra lengva nuspėti ir idealiu atveju reikia išsamių žinių apie kiekvieną augalą; tokie duomenys pareikalautų pernelyg didelių išlaidų ir laiko, jei juos rinktų žmonės. Čia atsiranda dronai.
Guo turi informatikos ir žemės ūkio mokslų išsilavinimą, todėl puikiai tinka ieškoti būdų, kaip pažangiausia techninė ir programinė įranga galėtų padėti žemės ūkiui. Jis ir jo komanda įrodė, kad kai kurie pigūs dronai su specializuota programine įranga gali atvaizduoti ir analizuoti jaunus augalus (šio tyrimo atveju brokolius) ir tiksliai numatyti numatomas jų augimo charakteristikas.
Dronai vaizdo gavimo procesą atlieka kelis kartus ir tai daro be žmogaus sąveikos, o tai reiškia, kad sistemai reikia nedaug darbo sąnaudų.
Duomenų vizualizavimas nuotraukose iš oro. Žmonių darbo ir laiko sąnaudos draudžia rankiniu būdu kataloguoti atskirus augalus lauke. Čia bepiločių orlaivių surinkti ir gilaus mokymosi sistemos sukurti katalogo duomenys yra uždėti ant laukų nuotraukų. Vaizdo kreditas: Guo ir kt. CC-BY
„Kai kuriuos gali nustebinti žinojimas, kad nuėmus derlių likus dienai iki optimalaus laiko ar po jo, galimas to lauko pajamas ūkininkas gali sumažinti 3.7 proc. iki 20.4 proc.“, – sakė Guo.
„Tačiau naudojant mūsų sistemą, dronai identifikuoja ir kataloguoja kiekvieną lauko augalą, o jų vaizdo duomenys pateikia modelį, kuris naudoja gilų mokymąsi, kad ūkininkams būtų sukurti lengvai suprantami vaizdiniai duomenys. Atsižvelgiant į dabartines santykinai mažas dronų ir kompiuterių sąnaudas, komercinė šios sistemos versija turėtų būti pasiekiama daugeliui ūkininkų.
Pagrindinis komandos iššūkis buvo vaizdų analizė ir gilaus mokymosi aspektai. Pačių vaizdo duomenų rinkimas yra gana nereikšmingas, tačiau atsižvelgiant į tai, kaip augalai juda vėjyje ir kaip šviesa keičiasi laikui bėgant bei metų laikais, vaizdo duomenyse yra daug skirtumų, kuriuos mašinoms dažnai sunku kompensuoti.
Taigi, treniruodama savo sistemą, komanda turėjo investuoti daug laiko, kad paženklintų įvairius vaizdų, kuriuos gali matyti dronai, aspektus, kad padėtų sistemai išmokti teisingai atpažinti, ką mato. Didelis duomenų pralaidumas taip pat buvo sudėtingas – vaizdo duomenys dažnai siekdavo trilijonus pikselių, dešimtis tūkstančių kartų didesni už net aukščiausios klasės išmaniojo telefono kamerą.
„Esu įkvėptas rasti daugiau būdų, kaip augalų fenotipų nustatymas (augalų augimo savybių matavimas) galėtų pereiti iš laboratorijos į lauką, kad būtų galima išspręsti pagrindines problemas, su kuriomis susiduriame“, – sakė Guo.
šaltinis:Tokijo universitetas
