Žmogaus smegenų bangas fiksuoja AI, kad nustatytų sergančius augalus

Kai kurie mokslininkai iš Brazilijos žemės ūkio tyrimų korporacijos – Embrapa, bendradarbiaudami su dar dviem technologija, sukūrė būdą, naudojant dirbtinį intelektą, puikiai analizuoti augalų pokyčius.

Anksčiau tai buvo įmanoma tik specialistams atlikus egzaminą rankiniu būdu. Žemiau rasite daugiau informacijos apie AI, kuri identifikuoja sergančius augalus.

Technologijų pažanga žemės ūkyje

Ši technologija leidžia automatizuoti ženklinimą klasifikavimo duomenų anotacijomis ir identifikuoti sergančius augalus pagal vaizdus. Su šia nauja technologija mokslininkai tikisi paspartinti šioje srityje priimamus sprendimus, siekiant sumažinti gamybos nuostolius ir žymiai pagerinti gamtos išteklių naudojimą.

Pirmieji eksperimento rezultatai

Antradienį (02-07) buvo paskelbti pirmojo eksperimento, atlikto su sojų lapais, bandymo rezultatai. Tyrėjų teigimu, šią technologiją būtų galima pritaikyti ir kitokio pobūdžio produkcijose.

Šią sergančių augalų identifikavimo sistemą taip pat galima pridėti prie žemės ūkio technikos, dronai ir mobiliuosius telefonus.

Visas pasiruošimas šiam darbui prasidėjo 2022 m., jam padėjo bendrovės „Macnica DHW“, kuri yra Japonijos grupės „Macnica Inc.“ Pietų Amerikos veiklos dalis, ir „InnerEye“ iš Izraelio.

Eksperimento tyrimams buvo pasirinktos dvi ligos, sukeliančios simptomus ant sojos pupelių lapų, pavyzdžiui, azijinės rūdys ir pietinėje Brazilijoje paplitusios miltligės. Naudodami įrangą, jie galėjo atskirti sergančius lapus nuo sveikų.

Azijinės sojų rūdys yra rimčiausia iš pasėlių ligų ir gali sukelti iki 80 % nuostolių, jei nebus kontroliuojama. Remiantis Antiferrugem konsorciumo apklausa, šios ligos priežiūros išlaidos Brazilijoje viršija 2 milijardus JAV dolerių vienam pasėliui.

Kaip veikia eksperimentas:

• Dviejų Embrapa Soja specialistų nervinius signalus užfiksavo šalmas su elektrodais;
• Abu jie įvertino apie 1500 sergančių ir sveikų lapų vaizdų tyrimams;
• Fiksuojant smegenų bangas buvo identifikuota patirtis, sprendimai ir klasifikacijos, kuriuos jie daro apie specialistų pastebėtus vaizdus;
• Modeliai, sukurti iš spontaniškų elektros srovių, skleidžiamų ekspertų smegenyse, ir programinė įranga leido išmokyti standartinis dirbtinis intelektas, kad jis dar labiau priartėtų prie kriterijų, kuriuos naudoja specialistai vizualiai identifikuodami ligas augalai;
• Užfiksavusi smegenų signalus, kuriuos specialistai skleidžia žiūrėdami sergančių augalų vaizdus, ​​programinė įranga automatizavo diagnostiką, todėl žingsnis buvo greitesnis ir efektyvesnis;
• Rezultatai, gauti lyginant potreniruočių algoritmus, parodė, kad jie yra praktiškai tokio paties tikslumo, kaip ir ekspertų.