Drone dan AI mendeteksi kematangan kedelai dengan akurasi tinggi
Sciences

Drone dan AI mendeteksi kematangan kedelai dengan akurasi tinggi


Kredit: Julio César García dari Pixabay

Berjalan berbaris kedelai di tengah musim panas adalah tugas yang melelahkan tetapi penting dalam membiakkan kultivar baru. Peneliti berani menghadapi panas setiap hari selama bagian penting dari musim tanam untuk mencari tanaman yang menunjukkan sifat yang diinginkan, seperti kematangan polong awal. Tetapi tanpa cara untuk mengotomatiskan deteksi sifat-sifat ini, pemulia tidak dapat menguji plot sebanyak yang mereka inginkan pada tahun tertentu, memperpanjang waktu yang dibutuhkan untuk membawa kultivar baru ke pasar.

Dalam sebuah studi baru dari University of Illinois, para peneliti memprediksi tanggal kematangan kedelai dalam dua hari menggunakan gambar drone dan kecerdasan buatan, sangat mengurangi kebutuhan sepatu bot di tanah.

“Menilai kematangan polong sangat memakan waktu dan rawan kesalahan. Ini adalah sistem penilaian berdasarkan warna polong, jadi ini juga tunduk pada bias manusia,” kata Nicolas Martin, asisten profesor di Departemen Ilmu Tanaman di Illinois dan rekan penulis studi. “Banyak kelompok penelitian mencoba menggunakan gambar drone untuk menilai kedewasaan, tetapi tidak dapat melakukannya dalam skala besar. Jadi kami menemukan cara yang lebih tepat untuk melakukannya. Sungguh keren, sebenarnya.”

Rodrigo Trevisan, seorang mahasiswa doktoral yang bekerja dengan Martin, melatih komputer untuk mendeteksi perubahan warna kanopi dari gambar drone yang dikumpulkan di lima percobaan, tiga musim tanam, dan dua negara. Yang penting, dia bisa memperhitungkan gambar “buruk” untuk menjaga akurasi.

“Katakanlah kita ingin mengumpulkan gambar setiap tiga hari, tetapi suatu hari, ada awan atau hujan, jadi kita tidak bisa. Pada akhirnya, ketika Anda mendapatkan data dari tahun yang berbeda atau lokasi yang berbeda, semuanya akan terlihat berbeda secara istilah. jumlah gambar dan interval dan sebagainya, “kata Trevisan. “Inovasi utama yang kami kembangkan adalah bagaimana kami dapat menjelaskan apa pun yang dapat kami kumpulkan. Model kami bekerja dengan baik terlepas dari seberapa sering data dikumpulkan.”

Trevisan menggunakan jenis kecerdasan buatan yang disebut jaringan saraf konvolusional dalam. Dia mengatakan CNN mirip dengan cara otak manusia belajar menafsirkan komponen gambar — warna, bentuk, tekstur — dari mata kita.

“CNN mendeteksi variasi kecil dalam warna selain bentuk, batas, dan tekstur. Untuk apa yang kami coba lakukan, warna adalah hal yang paling penting,” kata Trevisan. “Tapi keuntungan dari model kecerdasan buatan yang kami gunakan adalah akan sangat mudah untuk menggunakan model yang sama untuk memprediksi sifat lain, seperti hasil atau penginapan. Jadi sekarang setelah kami menyiapkan model ini, seharusnya lebih mudah untuk orang menggunakan arsitektur yang sama dan strategi yang sama untuk melakukan lebih banyak hal. “

Martin mengatakan perusahaan pembibitan komersial menuntut kemampuan ini.

“Kami memiliki mitra industri dalam penelitian ini yang pasti ingin menggunakan ini di tahun-tahun mendatang. Dan mereka memberikan kontribusi yang sangat baik dan penting. Mereka ingin memastikan jawaban yang relevan bagi pemulia di lapangan membuat keputusan, memilih tanaman, dan untuk petani, “kata Martin. “Menemukan metode yang baik untuk membantu peternak benar-benar membuat keputusan dalam skala besar cukup menggairahkan.”


Drone adalah yang berikutnya untuk pemulia tanaman


Informasi lebih lanjut:
Rodrigo Trevisan dkk, Fenotipe Throughput Tinggi Kedewasaan Kedelai Menggunakan Citra UAV Rangkaian Waktu dan Jaringan Saraf Tiruan, Penginderaan jauh (2020). DOI: 10.3390 / rs12213617

Disediakan oleh University of Illinois di Urbana-Champaign

Kutipan: Drone dan AI mendeteksi kematangan kedelai dengan akurasi tinggi (2020, 7 Desember), diakses 7 Desember 2020 dari https://techxplore.com/news/2020-12-drones-ai-soybean-maturity-high.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Hongkong Prize