Umetna inteligenca zajame človeške možganske valove za prepoznavanje obolelih rastlin

Nekaj ​​znanstvenikov iz Brazilske kmetijske raziskovalne korporacije – Embrapa, v sodelovanju z dvema drugima tehnologija, je z umetno inteligenco ustvaril način za odlično analizo sprememb v rastlinah.

V preteklosti je bilo to mogoče le, če bi specialisti opravili ročni pregled. Spodaj si oglejte več informacij o AI, ki identificira obolele rastline.

Tehnološki napredek v kmetijstvu

Tehnologija omogoča avtomatizirano označevanje z opombami klasifikacijskih podatkov in z identifikacijo obolelih rastlin prek slik. S to novo tehnologijo raziskovalci upajo, da bodo pospešili odločitve, sprejete na terenu, da bi zmanjšali proizvodne izgube in dosegli velike izboljšave pri uporabi naravnih virov.

Prvi rezultati poskusa

V torek (07/02) so bili objavljeni rezultati prvega preizkusa poskusa, opravljenega s sojinimi listi. Po mnenju raziskovalcev bi to tehnologijo lahko uporabili za druge vrste produkcij.

Ta sistem za identifikacijo obolelih rastlin je mogoče dodati tudi kmetijskim strojem, droni in mobilnih telefonov.

Vse priprave na to delo so se začele leta 2022 in so imele pomoč podjetji Macnica DHW, ki je del južnoameriškega delovanja japonske skupine Macnica Inc., in InnerEye iz Izraela.

Za preizkuse poskusa sta bili izbrani dve bolezni, ki povzročata simptome na listih soje, kot sta azijska rja in pepelasta plesen, ki sta izrazita v južni Braziliji. Z uporabo opreme so lahko razlikovali obolele liste od zdravih.

Azijska sojina rja je najresnejša bolezen pridelka in lahko povzroči do 80 % izgube, če je ne nadzorujemo. Glede na raziskavo konzorcija Antiferrugem stroški oskrbe te bolezni v Braziliji presegajo 2 milijardi USD na pridelek.

Kako eksperiment deluje:

• Nevralne signale dveh specialistov iz Embrapa Soje je ujela čelada z elektrodami;
• Oba sta za teste ocenila približno 1500 slik bolnih in zdravih listov;
• Z zajemom možganskih valov so bile identificirane izkušnje, presoje in klasifikacije slik, ki so jih opazovali strokovnjaki;
• Modeli, ustvarjeni iz spontanih električnih tokov, oddanih v možganih strokovnjakov, in programska oprema so omogočili urjenje algoritma standardno umetno inteligenco, da bi jo čim bolj približali merilom, ki jih uporabljajo specialisti pri vizualni identifikaciji bolezni v rastline;
• Po zajetju možganskih signalov, ki so jih strokovnjaki oddajali ob gledanju slik obolelih rastlin, je programska oprema avtomatizirala diagnozo, tako da je korak hitrejši in učinkovitejši;
• Rezultati, pridobljeni s primerjavo algoritmov po treningu, so pokazali, da so praktično na enaki ravni natančnosti kot strokovnjaki.