Tekoäly kaappaa ihmisen aivoaaltoja tunnistaakseen sairaita kasveja

Jotkut Brasilian maataloustutkimusyhtiön Embrapan tutkijat yhteistyössä kahden muun kanssa teknologiaa, loi keinoälyn avulla tavan analysoida kasveissa tapahtuvia muutoksia erinomaisesti.

Aiemmin tämä oli mahdollista vain, jos asiantuntijat tekivät manuaalisen kokeen. Katso alta lisätietoja tekoälystä, joka tunnistaa sairaat kasvit.

Teknologinen kehitys maataloudessa

Tekniikka mahdollistaa merkitsemisen automatisoinnin luokitustietojen huomautuksilla ja sairaiden kasvien tunnistamisen kuvien avulla. Uuden teknologian avulla tutkijat toivovat nopeuttavansa kentällä tehtäviä päätöksiä vähentääkseen tuotantohäviöitä ja saada aikaan suuria parannuksia luonnonvarojen käytössä.

Kokeen ensimmäiset tulokset

Tiistaina (07/02) julkistettiin tulokset kokeesta, joka tehtiin soijapavun lehdillä. Tutkijoiden mukaan tätä tekniikkaa voitaisiin soveltaa muun tyyppisiin tuotantoihin.

Tämä sairaiden kasvien tunnistusjärjestelmä voidaan lisätä myös maatalouskoneisiin, droneja ja matkapuhelimia.

Kaikki tämän työn valmistelu aloitettiin vuonna 2022, ja siihen auttoivat japanilaisen Macnica Inc: n Etelä-Amerikan toimintoihin kuuluvat Macnica DHW -yhtiöt sekä israelilainen InnerEye.

Kokeen testeihin valittiin kaksi soijan lehdissä oireita aiheuttavaa tautia, kuten aasialainen ruoste ja Etelä-Brasiliassa näkyvä härmäsieni. Laitteiden avulla pystyttiin erottamaan sairaat lehdet terveistä.

Aasialainen soijapavun ruoste on viljelykasvin sairauksista vakavin, ja se voi johtaa jopa 80 % hävikkiin, jos sitä ei hallita. Antiferrugem Consortiumin tutkimuksen mukaan tämän taudin hoidon kustannukset ovat Brasiliassa yli 2 miljardia dollaria satoa kohden.

Näin kokeilu toimii:

• Kahden Embrapa Sojan asiantuntijan hermosignaalit vangittiin elektrodeilla varustetulla kypärällä;
• Molemmat arvioivat testejä varten noin 1 500 kuvaa sairaista ja terveistä lehdistä;
• Aivoaaltojen kaappauksen avulla tunnistettiin kokemukset, arviot ja luokitukset, joita he tekevät asiantuntijoiden havaitsemista kuvista.
• Asiantuntijoiden aivoissa säteilevistä spontaaneista sähkövirroista syntyneet mallit ja ohjelmisto mahdollistivat sen algoritmin harjoittamisen. tavallista tekoälyä tuoda se entistä lähemmäksi kriteerejä, joita asiantuntijat käyttävät sairauksien visuaalisessa tunnistamisessa kasvit;
• Sen jälkeen kun ohjelmisto oli tallentanut aivosignaalit, jotka asiantuntijat lähettivät katsellessaan kuvia sairaista kasveista, ohjelmisto automatisoi diagnoosin, mikä teki vaiheesta nopeamman ja tehokkaamman.
• Harjoittelun jälkeisiä algoritmeja vertaamalla saadut tulokset osoittivat, että ne ovat käytännössä samalla tarkkuudella kuin asiantuntijat.