İnsan beyin dalgaları, hastalıklı bitkileri tanımlamak için AI tarafından yakalanır

Brezilya Tarımsal Araştırma Şirketi - Embrapa'dan bazı akademisyenler, diğer iki şirketle ortaklaşa teknoloji, yapay zeka aracılığıyla bitkilerdeki değişiklikleri mükemmel bir şekilde analiz etmenin bir yolunu yarattı.

Geçmişte bu, ancak uzmanların manuel bir muayene yapmasıyla mümkün olabiliyordu. Aşağıda hastalıklı bitkileri tanımlayan AI hakkında daha fazla bilgiye göz atın.

Tarımda teknolojik gelişmeler

Teknoloji, sınıflandırma verilerinin ek açıklamalarıyla ve hastalıklı bitkilerin görüntüler aracılığıyla tanımlanması yoluyla etiketlemeyi otomatikleştirmeyi mümkün kılar. Bu yeni teknoloji ile araştırmacılar, üretim kayıplarını azaltmak ve doğal kaynakların kullanımında büyük gelişmeler sağlamak için sahada alınan kararları hızlandırmayı umuyorlar.

Deneyin ilk sonuçları

Soya fasulyesi yapraklarıyla gerçekleştirilen deneyin ilk testinin sonuçları Salı günü (07/02) açıklandı. Araştırmacılara göre, bu teknoloji diğer üretim türlerine de uygulanabilir.

Bu hastalıklı bitki tanımlama sistemi tarım makinelerine de eklenebilir, dronlar ve cep telefonları.

Bu çalışma için tüm hazırlıklar 2022'de başladı ve Japon grup Macnica Inc.'in Güney Amerika operasyonunun bir parçası olan Macnica DHW ve İsrail'den InnerEye şirketlerinin yardımını aldı.

Deneyin testleri için, güney Brezilya'da yaygın olan Asya pası ve külleme gibi soya fasulyesi yapraklarında semptomlara neden olan iki hastalık seçildi. Ekipmanın kullanımıyla hastalıklı yaprakları sağlıklı olanlardan ayırt edebildiler.

Asya soya fasulyesi pası, mahsul hastalıklarının en ciddisidir ve kontrol edilmezse %80'e varan kayıplara neden olabilir. Antiferrugem Konsorsiyumu tarafından yapılan bir ankete göre, Brezilya'da bu hastalığın bakımının maliyeti mahsul başına 2 milyar ABD dolarını aşıyor.

Deney nasıl çalışır:

• Embrapa Soja'dan iki uzmanın nöral sinyalleri elektrotlu bir miğferle yakalandı;
• Her ikisi de testler için yaklaşık 1.500 hastalıklı ve sağlıklı yaprak görüntüsünü değerlendirdi;
• Beyin dalgalarının yakalanması yoluyla, uzmanların gözlemlediği görüntülerden edindikleri deneyimler, yargılar ve yaptıkları sınıflandırmalar belirlendi;
• Uzmanların beyinlerinde kendiliğinden yayılan elektrik akımlarından üretilen modeller ve yazılım, algoritmanın eğitilmesine olanak sağladı. hastalıkların görsel olarak tanımlanmasında uzmanlar tarafından kullanılan kriterlere daha da yaklaştırmak için standart yapay zeka bitkiler;
• Yazılım, uzmanların hastalıklı bitkilerin resimlerini görüntülerken yaydığı beyin sinyallerini yakaladıktan sonra teşhisi otomatikleştirerek adımı daha hızlı ve verimli hale getirdi;
• Eğitim sonrası algoritmaları karşılaştırarak elde edilen sonuçlar, pratikte uzmanlarla aynı hassasiyet düzeyinde olduklarını gösterdi.