Искусственный интеллект поможет идентифицировать стресс факторы сои
Команда исследователей из Государственном университете штата Айова (ISU), опубликовало в журнале «Труды Национальной академии наук США», работу, которая показывает как искусственный интеллект может идентифицировать ряд общих стрессовых факторов на растениях сои.
Эта технология может повысить эффективность работы селекционеров. Адъюнкт-профессор агрономии и автор исследования Арти Сингх, рассказал что, сначала агрономы и инженеры ISU собрали массив данных состоящий из 25 000 изображений соевых стрессов, сделанных в Айове. После этого команда исследователей разработала автоматизированную систему машинного обучения, которая может отыскивать образцы по изображениям листьев сои, подверженных восьми общим источникам стресса, таким как различные заболевания, дефицит питательных веществ, повреждения гербицидами и т.п. В результате ученые смогли создать компьютерное приложение, которое может диагностировать и определять количество различных стрессов на листьях сои, анализируя цифровые изображения соевых бобов.
Обычное обследование сельскохозяйственных культур и проведение визуальных измерений на стресс-факторы — трудоемкий и часто непоследовательный процесс как для селекционеров, так и для фермеров. Внедрение автоматизированного инструмента позволит сэкономить время и получить более стабильные и понятные результаты.
Соавтор исследования Сумик Саркар, отметил что ученые сравнили эффективность программы с фактическими диагнозами ученых, и эти результаты были практически идентичны. Эта программа создает собственный диагноз, предоставляя характерные визуальные симптомы. В настоящее время программа доступна только для академического сообщества, но исследователи заявили, что намерены создать и приложение на смартфонах, чтобы сделать продукт широко доступным. Технологию можно использовать м в беспилотных летательных аппаратах и наземных роботах. «Это яркий пример того, как искусственный интеллект может быть применен в сельском хозяйстве. Данное приложение может обеспечить большую автоматизацию и большую эффективность, чем традиционный способ диагностики стрессов», — заявил Сумик Саркар.
