Drone enam pemutar dalam penerbangan – gambar ilustrasi. Kredit gambar: Richard Unten melalui Flickr, CC BY 2.0
Atas sebab keselamatan makanan dan insentif ekonomi, petani sentiasa berusaha untuk memaksimumkan hasil tanaman mereka yang boleh dipasarkan. Apabila tumbuhan tumbuh secara tidak konsisten, pada masa penuaian, pasti akan terdapat variasi dalam kualiti dan saiz tanaman individu. Oleh itu, Mencari masa menuai yang optimum adalah keutamaan bagi petani.
Pendekatan baharu menggunakan dron dan kecerdasan buatan terbukti meningkatkan anggaran ini dengan berhati-hati dan tepat menganalisis tanaman individu untuk menilai ciri pertumbuhan mereka yang berkemungkinan.
Saluran paip AI berasaskan drone. Gambaran keseluruhan visual sistem untuk menangkap dan menganalisis data imej tentang tanaman, yang kemudiannya memaklumkan model untuk membantu petani mengetahui masa terbaik untuk menuai ladang mereka. Kredit imej: Guo et al. CC-BY
Beberapa cerita fiksyen sains optimistik bercakap tentang masa depan selepas kekurangan, di mana keperluan manusia dipenuhi dan kerja keras disediakan oleh mesin. Terdapat beberapa cara di mana visi ini kelihatan meramalkan beberapa elemen kemajuan teknologi semasa. Satu bidang tersebut ialah dalam penyelidikan pertanian, di mana automasi telah memberi kesan.
Buat pertama kalinya, penyelidik, termasuk mereka dari Universiti Tokyo, telah menunjukkan sistem yang sebahagian besarnya automatik untuk meningkatkan hasil tanaman, yang boleh memberi manfaat kepada ramai dan boleh membantu membuka jalan untuk sistem masa depan yang boleh menuai tanaman secara langsung suatu hari nanti.
"Idea ini agak mudah, tetapi reka bentuk, pelaksanaan dan pelaksanaan adalah luar biasa kompleks," kata Profesor Madya Wei Guo dari Makmal Phenomik Lapangan.
“Jika petani tahu masa yang sesuai untuk menuai ladang, mereka boleh mengurangkan sisa, yang baik untuk mereka, untuk pengguna dan alam sekitar. Tetapi masa penuaian optimum bukanlah perkara yang mudah untuk diramalkan dan idealnya memerlukan pengetahuan terperinci tentang setiap tumbuhan; data sedemikian akan menjadi kos dan masa yang terhad jika orang ramai diambil bekerja untuk mengumpulnya. Di sinilah dron masuk.”
Guo mempunyai latar belakang dalam kedua-dua sains komputer dan sains pertanian, jadi sangat sesuai untuk mencari cara perkakasan dan perisian canggih boleh membantu pertanian. Dia dan pasukannya telah menunjukkan bahawa beberapa dron kos rendah dengan perisian khusus boleh imej dan menganalisis tumbuhan muda - brokoli dalam kes kajian ini - dan meramalkan ciri pertumbuhan jangkaan mereka dengan tepat.
Drone menjalankan proses pengimejan beberapa kali dan berbuat demikian tanpa interaksi manusia, bermakna sistem memerlukan sedikit dari segi kos buruh.
Visualisasi data pada foto udara. Kos buruh manusia dan masa yang terlibat melarang pengkatalogan manual bagi kilang individu dalam sesuatu ladang. Di sini, data katalog yang dikumpul oleh dron dan dihasilkan oleh sistem pembelajaran mendalam ditumpangkan pada foto medan. Kredit imej: Guo et al. CC-BY
"Mungkin mengejutkan sesetengah pihak untuk mengetahui bahawa dengan menuai ladang seawal sehari sebelum atau selepas masa yang optimum boleh mengurangkan potensi pendapatan ladang itu untuk petani sebanyak 3.7% kepada sebanyak 20.4%," kata Guo.
“Tetapi dengan sistem kami, dron mengenal pasti dan mengkatalogkan setiap tumbuhan di lapangan, dan data pengimejan mereka menyuap model yang menggunakan pembelajaran mendalam untuk menghasilkan data visual yang mudah difahami untuk petani. Memandangkan kos relatif rendah drone dan komputer semasa, versi komersil sistem ini sepatutnya dapat dicapai oleh ramai petani.
Cabaran utama pasukan adalah dalam analisis imej dan aspek pembelajaran mendalam. Mengumpul data imej itu sendiri agak remeh, tetapi memandangkan cara tumbuh-tumbuhan bergerak mengikut angin dan cara cahaya berubah mengikut masa dan musim, data imej mengandungi banyak variasi yang sering sukar untuk diimbangi oleh mesin.
Oleh itu, apabila melatih sistem mereka, pasukan itu terpaksa melaburkan banyak masa untuk melabelkan pelbagai aspek imej yang mungkin dilihat oleh dron, untuk membantu sistem belajar mengenal pasti perkara yang dilihatnya dengan betul. Daya pemprosesan data yang luas juga mencabar — data imej selalunya dalam susunan trilion piksel, berpuluh-puluh ribu kali lebih besar daripada kamera telefon pintar mewah sekalipun.
"Saya diilhamkan untuk mencari lebih banyak cara yang fenotip tumbuhan (mengukur ciri pertumbuhan tumbuhan) boleh pergi dari makmal ke lapangan untuk membantu menyelesaikan masalah utama yang kami hadapi," kata Guo.
sumber:Universiti Tokyo
