Az emberi agyhullámokat az MI rögzíti, hogy azonosítsa a beteg növényeket

Néhány tudós a Brazil Mezőgazdasági Kutatótársaságtól – Embrapa, két másikkal együttműködve technológia, lehetőséget teremtett a mesterséges intelligencia segítségével a növényekben bekövetkező változások kiváló elemzésére.

Korábban ez csak úgy volt lehetséges, ha a szakemberek kézi vizsgát végeztek. Tekintse meg az alábbiakban további információkat a beteg növényeket azonosító mesterséges intelligenciáról.

Technológiai fejlődés a mezőgazdaságban

A technológia lehetővé teszi a címkézés automatizálását az osztályozási adatok megjegyzéseivel és a beteg növények képekkel történő azonosításával. Ezzel az új technológiával a kutatók azt remélik, hogy felgyorsítják a terepen meghozott döntéseket a termelési veszteségek csökkentése és a természeti erőforrások felhasználásának jelentős javulása érdekében.

A kísérlet első eredményei

Kedden (02.07.) megjelentek a szójabablevéllel végzett kísérlet első tesztjének eredményei. A kutatók szerint ez a technológia más típusú produkciókban is alkalmazható.

Ez a beteg növényazonosító rendszer a mezőgazdasági gépekhez is hozzáadható, drónok és mobiltelefonok.

Ennek a munkának az előkészítése 2022-ben kezdődött, és a japán Macnica Inc. csoport dél-amerikai működésének részét képező Macnica DHW és az izraeli InnerEye cégek segítették.

A kísérlet vizsgálataihoz két olyan betegséget választottak ki, amelyek a szójabab levelén okoznak tüneteket, mint az ázsiai rozsda és a Dél-Brazíliában kiemelkedő lisztharmat. A berendezés használatával meg tudták különböztetni a beteg leveleket az egészségesektől.

Az ázsiai szójarozsda a növény legsúlyosabb betegsége, amely akár 80%-os veszteséget is okozhat, ha nem kezelik. Az Antiferrugem Consortium felmérése szerint Brazíliában a betegség gondozásának költségei meghaladják a 2 milliárd USD-t terményenként.

Hogyan működik a kísérlet:

• Az Embrapa Soja két szakemberének idegi jeleit egy elektródákkal ellátott sisak fogta fel;
• Mindketten körülbelül 1500 beteg és egészséges levelet értékeltek ki a tesztekhez;
• Az agyhullámok rögzítésével azonosították a szakemberek által megfigyelt képekről alkotott tapasztalataikat, ítéleteiket és osztályozásaikat;
• A szakértők agyában kibocsátott spontán elektromos áramokból generált modellek és a szoftver lehetővé tette az algoritmus betanítását. szabványos mesterséges intelligencia, hogy még közelebb kerüljön azokhoz a kritériumokhoz, amelyeket a szakemberek a betegségek vizuális azonosítására használnak növények;
• A szakemberek által a beteg növényekről készült képek megtekintésekor kibocsátott agyi jelek rögzítése után a szoftver automatizálta a diagnózist, ami gyorsabbá és hatékonyabbá tette a lépést;
• A tréning utáni algoritmusok összehasonlításával kapott eredmények azt mutatták, hogy gyakorlatilag ugyanolyan pontosságúak, mint a szakértők.