Gelombang otak manusia ditangkap oleh AI untuk mengidentifikasi tanaman yang sakit

Beberapa cendekiawan dari Brazilian Agricultural Research Corporation – Embrapa, bermitra dengan dua orang lainnya teknologi, menciptakan cara, melalui kecerdasan buatan, untuk menganalisis perubahan pada tumbuhan dengan keunggulan.

Di masa lalu, ini hanya mungkin dilakukan jika spesialis melakukan pemeriksaan manual. Lihat informasi lebih lanjut tentang AI yang mengidentifikasi tanaman sakit di bawah ini.

Kemajuan teknologi di bidang pertanian

Teknologi ini memungkinkan untuk mengotomatiskan pelabelan dengan anotasi data klasifikasi dan melalui identifikasi tanaman yang sakit melalui gambar. Dengan teknologi baru ini, para peneliti berharap dapat mempercepat keputusan yang diambil di lapangan, untuk mengurangi kerugian produksi dan membawa perbaikan besar dalam penggunaan sumber daya alam.

Hasil percobaan pertama

Pada Selasa (07/02), hasil uji coba pertama percobaan yang dilakukan dengan daun kedelai itu dirilis. Menurut para peneliti, teknologi ini bisa diterapkan pada jenis produksi lainnya.

Sistem identifikasi tanaman berpenyakit ini juga dapat ditambahkan pada mesin pertanian, drone dan ponsel.

Semua persiapan untuk pekerjaan ini dimulai pada tahun 2022 dan mendapat bantuan dari perusahaan Macnica DHW, yang merupakan bagian dari operasi Amerika Selatan dari grup Jepang Macnica Inc., dan InnerEye, dari Israel.

Untuk pengujian percobaan, dipilih dua penyakit yang menyebabkan gejala pada daun kedelai, seperti karat Asia dan embun tepung, yang menonjol di Brasil selatan. Dengan menggunakan alat tersebut, mereka mampu membedakan daun yang sakit dengan yang sehat.

Karat kedelai Asia adalah penyakit tanaman yang paling serius, dan dapat menyebabkan kerugian hingga 80% jika tidak dikendalikan. Biaya perawatan penyakit ini melebihi US$ 2 miliar per panen di Brazil, menurut survei yang dilakukan oleh Antiferrugem Consortium.

Cara kerja percobaan:

• Sinyal saraf dari dua spesialis dari Embrapa Soja ditangkap oleh helm dengan elektroda;
• Keduanya mengevaluasi sekitar 1.500 gambar daun yang sakit dan sehat untuk pengujian;
• Melalui penangkapan gelombang otak, pengalaman, penilaian, dan klasifikasi yang mereka buat dari gambar yang diamati oleh para spesialis diidentifikasi;
• Model yang dihasilkan dari arus listrik spontan yang dipancarkan di otak para ahli dan perangkat lunak memungkinkan untuk melatih algoritme kecerdasan buatan standar untuk membawanya lebih dekat dengan kriteria yang digunakan oleh spesialis dalam identifikasi visual penyakit di tanaman;
• Setelah menangkap sinyal otak yang dipancarkan oleh spesialis saat melihat gambar tanaman yang sakit, perangkat lunak mengotomatiskan diagnosis, membuat langkah lebih cepat dan lebih efisien;
• Hasil yang diperoleh dengan membandingkan algoritma pasca-pelatihan menunjukkan bahwa mereka secara praktis berada pada tingkat presisi yang sama dengan para ahli.