விமானத்தில் ஆறு சுழலி ட்ரோன் - விளக்கப்படம். பட உதவி: Richard Unten via பிளிக்கர், CC BY 2.0
உணவுப் பாதுகாப்பு மற்றும் பொருளாதார ஊக்குவிப்பு காரணங்களுக்காக, விவசாயிகள் தொடர்ந்து தங்கள் சந்தைப்படுத்தக்கூடிய பயிர் விளைச்சலை அதிகரிக்க முயல்கின்றனர். தாவரங்கள் சீரற்ற முறையில் வளர்வதால், அறுவடை நேரத்தில், தனிப்பட்ட பயிர்களின் தரம் மற்றும் அளவு ஆகியவற்றில் தவிர்க்க முடியாமல் மாறுபாடுகள் ஏற்படும். எனவே, உகந்த அறுவடை நேரத்தைக் கண்டறிவது விவசாயிகளுக்கு முன்னுரிமை.
ட்ரோன்கள் மற்றும் செயற்கை நுண்ணறிவைப் பயன்படுத்துவதற்கான ஒரு புதிய அணுகுமுறை இந்த மதிப்பீட்டை கவனமாகவும் துல்லியமாகவும் மேம்படுத்துகிறது தனிப்பட்ட பயிர்களை பகுப்பாய்வு செய்தல் அவற்றின் சாத்தியமான வளர்ச்சி பண்புகளை மதிப்பிடுவதற்கு.
ட்ரோன் அடிப்படையிலான AI பைப்லைன். பயிர்களைப் பற்றிய படத் தரவைப் படம்பிடித்து பகுப்பாய்வு செய்வதற்கான அமைப்பின் காட்சிக் கண்ணோட்டம், பின்னர் விவசாயிகள் தங்கள் வயல்களை அறுவடை செய்வதற்கான சிறந்த நேரத்தை அறிய உதவும் ஒரு மாதிரியைத் தெரிவிக்கிறது. பட கடன்: குவோ மற்றும் பலர். CC-BY
சில நம்பிக்கையான அறிவியல் புனைகதைகள் பற்றாக்குறைக்கு பிந்தைய எதிர்காலத்தைப் பற்றி பேசுகின்றன, அங்கு மனித தேவைகள் பூர்த்தி செய்யப்படுகின்றன மற்றும் இயந்திரங்களால் கடின உழைப்பு வழங்கப்படுகிறது. தற்போதைய தொழில்நுட்ப முன்னேற்றத்தின் சில கூறுகளை கணிக்க இந்த பார்வை தோன்றும் சில வழிகள் உள்ளன. அத்தகைய ஒரு பகுதி விவசாய ஆராய்ச்சியில் உள்ளது, அங்கு ஆட்டோமேஷன் தாக்கத்தை ஏற்படுத்துகிறது.
முதன்முறையாக, டோக்கியோ பல்கலைக்கழகத்தைச் சேர்ந்த ஆராய்ச்சியாளர்கள், பயிர் விளைச்சலை மேம்படுத்துவதற்கு பெரும்பாலும் தானியங்கு முறையை நிரூபித்துள்ளனர், இது பலருக்கு பயனளிக்கும் மற்றும் ஒரு நாள் பயிர்களை நேரடியாக அறுவடை செய்யக்கூடிய எதிர்கால அமைப்புகளுக்கு வழி வகுக்கும்.
"இந்த யோசனை ஒப்பீட்டளவில் எளிமையானது, ஆனால் வடிவமைப்பு, செயல்படுத்தல் மற்றும் செயல்படுத்தல் ஆகியவை அசாதாரணமான சிக்கலானவை" என்று ஃபீல்ட் பினோமிக்ஸ் ஆய்வகத்தைச் சேர்ந்த இணை பேராசிரியர் வெய் குவோ கூறினார்.
“விவசாயிகள் பயிர் வயல்களை அறுவடை செய்ய சரியான நேரத்தை அறிந்தால், அவர்கள் கழிவுகளை குறைக்க முடியும், இது அவர்களுக்கும், நுகர்வோருக்கும் சுற்றுச்சூழலுக்கும் நல்லது. ஆனால் உகந்த அறுவடை நேரங்களைக் கணிப்பது எளிதான காரியம் அல்ல, மேலும் ஒவ்வொரு தாவரத்தைப் பற்றிய விரிவான அறிவும் தேவை. அத்தகைய தரவுகளை சேகரிக்க மக்கள் பணியமர்த்தப்பட்டால், அது செலவு மற்றும் நேரத்தை தடைசெய்யும். இங்குதான் ட்ரோன்கள் வருகின்றன.
குவோ கணினி அறிவியல் மற்றும் விவசாய அறிவியல் ஆகிய இரண்டிலும் ஒரு பின்னணியைக் கொண்டுள்ளது, எனவே விவசாயத்திற்கு உதவும் அதிநவீன வன்பொருள் மற்றும் மென்பொருள் வழிகளைக் கண்டறிய மிகவும் பொருத்தமானது. சிறப்பு மென்பொருளைக் கொண்ட சில குறைந்த விலை ட்ரோன்கள் இளம் தாவரங்களை - ப்ரோக்கோலியைப் படம்பிடித்து பகுப்பாய்வு செய்ய முடியும் என்பதை அவரும் அவரது குழுவும் நிரூபித்துள்ளனர்.
ட்ரோன்கள் இமேஜிங் செயல்முறையை பல முறை மேற்கொள்கின்றன மற்றும் மனித தொடர்பு இல்லாமல் செய்கின்றன, அதாவது தொழிலாளர் செலவுகளின் அடிப்படையில் கணினிக்கு சிறிதளவு தேவைப்படுகிறது.
வான்வழி புகைப்படங்களில் தரவு காட்சிப்படுத்தல். மனித உழைப்பு மற்றும் நேரத்தின் செலவு ஆகியவை ஒரு வயலில் உள்ள தனிப்பட்ட தாவரங்களை கைமுறையாக பட்டியலிடுவதை தடை செய்கிறது. இங்கே, ட்ரோன்கள் மூலம் சேகரிக்கப்பட்ட மற்றும் ஆழமான கற்றல் அமைப்பு மூலம் தயாரிக்கப்பட்ட பட்டியல் தரவு புலங்களின் புகைப்படங்களில் மிகைப்படுத்தப்படுகிறது. பட கடன்: குவோ மற்றும் பலர். CC-BY
"உகந்த நேரத்திற்கு ஒரு நாளுக்கு முன்பு அல்லது அதற்குப் பிறகு ஒரு வயலை அறுவடை செய்வதன் மூலம், விவசாயிக்கு அந்த வயலின் சாத்தியமான வருவாயை 3.7% முதல் 20.4% வரை குறைக்க முடியும் என்பதை அறிவது சிலருக்கு ஆச்சரியமாக இருக்கலாம்" என்று குவோ கூறினார்.
"ஆனால் எங்கள் அமைப்பில், ட்ரோன்கள் வயலில் உள்ள ஒவ்வொரு தாவரத்தையும் அடையாளம் கண்டு பட்டியலிடுகின்றன, மேலும் அவற்றின் இமேஜிங் தரவு விவசாயிகளுக்கு எளிதில் புரிந்துகொள்ளக்கூடிய காட்சித் தரவை உருவாக்க ஆழமான கற்றலைப் பயன்படுத்தும் ஒரு மாதிரியை வழங்குகிறது. ட்ரோன்கள் மற்றும் கணினிகளின் தற்போதைய ஒப்பீட்டளவில் குறைந்த விலையைக் கருத்தில் கொண்டு, இந்த அமைப்பின் வணிகப் பதிப்பு பல விவசாயிகளுக்கு எட்டக்கூடியதாக இருக்க வேண்டும்.
குழுவின் முக்கிய சவால் பட பகுப்பாய்வு மற்றும் ஆழ்ந்த கற்றல் அம்சங்களில் இருந்தது. படத் தரவைச் சேகரிப்பது ஒப்பீட்டளவில் அற்பமானது, ஆனால் தாவரங்கள் காற்றில் நகரும் விதம் மற்றும் நேரம் மற்றும் பருவங்களுக்கு ஏற்ப ஒளி எவ்வாறு மாறுகிறது என்பதைப் பொறுத்து, படத் தரவில் பல மாறுபாடுகள் உள்ளன, அவை இயந்திரங்கள் பெரும்பாலும் ஈடுசெய்ய கடினமாகக் காணும்.
எனவே, தங்கள் அமைப்பைப் பயிற்றுவிக்கும் போது, ஆளில்லா விமானங்கள் பார்க்கக்கூடிய படங்களின் பல்வேறு அம்சங்களை லேபிளிடுவதற்கு குழு அதிக நேரத்தை முதலீடு செய்ய வேண்டியிருந்தது, இது கணினி சரியாகப் பார்ப்பதைக் கண்டறிய உதவுகிறது. பரந்த தரவு செயல்திறனும் சவாலானது - படத் தரவு பெரும்பாலும் டிரில்லியன் கணக்கான பிக்சல்களின் வரிசையில் இருந்தது, உயர்நிலை ஸ்மார்ட்போன் கேமராவை விட பல்லாயிரக்கணக்கான மடங்கு பெரியது.
"நாம் எதிர்கொள்ளும் முக்கிய பிரச்சனைகளை தீர்க்க உதவும் வகையில் தாவர பினோடைப்பிங் (தாவர வளர்ச்சி பண்புகளை அளவிடுதல்) ஆய்வகத்திலிருந்து வயலுக்கு செல்லக்கூடிய பல வழிகளைக் கண்டறிய நான் ஈர்க்கப்பட்டேன்" என்று குவோ கூறினார்.
