Ludzkie fale mózgowe są przechwytywane przez sztuczną inteligencję w celu identyfikacji chorych roślin

Niektórzy uczeni z Brazylijskiej Korporacji Badań Rolniczych – Embrapa, we współpracy z dwoma innymi technologiastworzył sposób, dzięki sztucznej inteligencji, na doskonałą analizę zmian zachodzących w roślinach.

W przeszłości było to możliwe tylko wtedy, gdy specjaliści wykonywali badanie manualne. Sprawdź poniżej więcej informacji na temat sztucznej inteligencji, która identyfikuje chore rośliny.

Postęp technologiczny w rolnictwie

Technologia umożliwia automatyzację etykietowania z adnotacjami danych klasyfikacyjnych oraz poprzez identyfikację chorych roślin za pomocą obrazów. Naukowcy mają nadzieję, że dzięki tej nowej technologii przyspieszą decyzje podejmowane w terenie, aby ograniczyć straty produkcyjne i doprowadzić do znacznej poprawy wykorzystania zasobów naturalnych.

Pierwsze wyniki eksperymentu

We wtorek (07.02) opublikowano wyniki pierwszego testu eksperymentu przeprowadzonego z liśćmi soi. Zdaniem naukowców technologia ta mogłaby znaleźć zastosowanie w innych rodzajach produkcji.

Ten system identyfikacji chorych roślin można również dodać do maszyn rolniczych, drony i telefony komórkowe.

Wszystkie przygotowania do tych prac rozpoczęły się w 2022 roku i miały z pomocą firmy Macnica DHW, która jest częścią południowoamerykańskiej operacji japońskiej grupy Macnica Inc. oraz InnerEye z Izraela.

Do testów eksperymentu wybrano dwie choroby, które powodują objawy na liściach soi, takie jak rdza azjatycka i mączniak prawdziwy, występujące w południowej Brazylii. Za pomocą sprzętu byli w stanie odróżnić chore liście od zdrowych.

Azjatycka rdza soi jest najpoważniejszą chorobą upraw i może prowadzić do 80% strat, jeśli nie jest kontrolowana. Według sondażu przeprowadzonego przez Antiferrugem Consortium, koszty leczenia tej choroby przekraczają w Brazylii 2 miliardy dolarów na uprawę.

Jak przebiega eksperyment:

• Sygnały neuronowe dwóch specjalistów z Embrapa Soja zostały przechwycone przez hełm z elektrodami;
• Obaj ocenili około 1500 zdjęć chorych i zdrowych liści do testów;
• Dzięki przechwytywaniu fal mózgowych zidentyfikowano doświadczenia, osądy i klasyfikacje obrazów obserwowanych przez specjalistów;
• Modele wygenerowane na podstawie spontanicznych prądów elektrycznych emitowanych w mózgach ekspertów oraz oprogramowanie umożliwiły wytrenowanie algorytmu standardową sztuczną inteligencję, by jeszcze bardziej zbliżyć ją do kryteriów stosowanych przez specjalistów od wizualnej identyfikacji chorób w Polsce rośliny;
• Po przechwyceniu sygnałów mózgowych emitowanych przez specjalistów podczas oglądania obrazów chorych roślin oprogramowanie zautomatyzowało diagnozę, czyniąc ten krok szybszym i bardziej wydajnym;
• Uzyskane wyniki porównujące algorytmy potreningowe wykazały, że są one praktycznie na tym samym poziomie precyzji co eksperci.