Ljudske moždane valove hvata umjetna inteligencija kako bi identificirala bolesne biljke

Neki znanstvenici iz brazilske korporacije za poljoprivredna istraživanja – Embrapa, u partnerstvu s još dvoje tehnologija, stvorio je način, pomoću umjetne inteligencije, da izvrsno analizira promjene u biljkama.

U prošlosti je to bilo moguće samo ako su specijalisti obavljali ručni pregled. U nastavku pogledajte više informacija o AI-u koji identificira bolesne biljke.

Tehnološki napredak u poljoprivredi

Tehnologija omogućuje automatiziranje označavanja s napomenama klasifikacijskih podataka i putem identifikacije oboljelih biljaka putem slika. Istraživači se nadaju da će ovom novom tehnologijom ubrzati odluke donesene na terenu, kako bi se smanjili gubici u proizvodnji i postigla velika poboljšanja u korištenju prirodnih resursa.

Prvi rezultati pokusa

U utorak (02.07.) objavljeni su rezultati prvog testa eksperimenta, provedenog s lišćem soje. Prema istraživačima, ova bi se tehnologija mogla primijeniti na druge vrste proizvodnje.

Ovaj sustav identifikacije oboljele biljke također se može dodati poljoprivrednim strojevima, dronovi i mobiteli.

Sve pripreme za ovaj posao počele su 2022. godine i imale su pomoć tvrtki Macnica DHW, koja je dio južnoameričkog poslovanja japanske grupe Macnica Inc., i InnerEye, iz Izraela.

Za testove eksperimenta odabrane su dvije bolesti koje uzrokuju simptome na lišću soje, kao što su azijska hrđa i pepelnica, koje su prisutne u južnom Brazilu. Pomoću opreme uspjeli su razlikovati bolesno lišće od zdravog.

Azijska sojina hrđa najozbiljnija je bolest usjeva i može dovesti do gubitaka do 80% ako se ne kontrolira. Troškovi brige o ovoj bolesti premašuju 2 milijarde američkih dolara po usjevu u Brazilu, prema istraživanju konzorcija Antiferrugem.

Kako eksperiment funkcionira:

• Neuralne signale dvojice stručnjaka iz Embrapa Soje uhvatila je kaciga s elektrodama;
• Oba su procijenila oko 1500 slika bolesnog i zdravog lišća za testove;
• Hvatanjem moždanih valova identificirana su iskustva, prosudbe i klasifikacije slika koje su promatrali stručnjaci;
• Modeli generirani iz spontanih električnih struja emitiranih u mozgu stručnjaka i softver omogućili su uvježbavanje algoritma standardnu ​​umjetnu inteligenciju kako bi je sve više približili kriterijima koje koriste stručnjaci u vizualnoj identifikaciji bolesti u bilje;
• Nakon hvatanja moždanih signala koje su stručnjaci emitirali gledajući slike oboljelih biljaka, softver je automatizirao dijagnozu, čineći korak bržim i učinkovitijim;
• Rezultati dobiveni usporedbom algoritama nakon treninga pokazali su da su oni praktički na istoj razini preciznosti kao i eksperti.