Fremtidens landbrug:neurale netværk har lært at forudsige plantevækst

Forskere fra Skoltech har uddannet neurale netværk til at evaluere og forudsige plantevækstmønsteret under hensyntagen til de vigtigste påvirkningsfaktorer og foreslå det optimale forhold mellem næringsbehovet og andre vækstdrivende parametre. Resultaterne af undersøgelsen blev offentliggjort i IEEE -tidsskriftet Transactions on Instrumentations and Measurements.

I løbet af de sidste par år, Der er gjort flere forsøg på at bruge kunstig intelligens (AI) på næsten alle livets områder. Det har vist sig nyttigt, hjælpe folk til at træffe de rigtige beslutninger og nå målet. Brug af kunstig intelligens til at dyrke planter i kunstige miljøer er ingen undtagelse. Neurale netværk findes i en bred vifte af arkitekturer, herunder deres mest fremtrædende type, tilbagevendende neurale netværk (RNN), der hjælper effektivt med at behandle retningsbestemte datasekvenser, såsom tekst, tale eller tidsserier, sidstnævnte er det mest medvirkende til at beskrive plantevækst over tid.

I deres undersøgelse, Skoltech -forskerne viste, hvordan RNN kan bruges i kombination med computer vision -algoritmer til at håndtere planternes vækstforudsigelsesopgave i sin helhed, samtidig med at man holder øje med den aktuelle status og hovedparametre for plantedyrkningssystemet. Opgaven blev løst ved hjælp af data opnået i undersøgelsen udført i samarbejde med German Aerospace Center (DLR), hvor de tyske forskere så på yderligere stimulering af plantevækst i kunstige systemer svarende til dem, der blev brugt på den internationale rumstation. Det fælles eksperiment gav værdifulde resultater, der hjalp med at finde det optimale forhold mellem næringsstoffer, der sikrede det bedste vækstmønster under de eksisterende begrænsninger.

Forskerne segmenterede og bestemte det samlede løvareal ved hjælp af computervisionsalgoritmer og forudsagde plantevækst ved hjælp af RNN fra forskellige arkitekturer, der klarede opgaven effektivt. De foreslog også et indlejret energieffektivt system til at beregne og forudsige vækstmønsteret for at lave demo-kørsler og test af den dedikerede software i det virkelige liv.

Systemet er baseret på Raspberry Pi, en populær single-board prototype computer med et eksternt Intel Movidius grafikkort. Enheden bruger en kompakt og kraftfuld Myriad 2 -grafikprocessor, der fungerer på 150 Gflops med en effekt på kun 1 W, hvilket kan sammenlignes med supercomputerne i midten af ​​1990'erne. En perfekt løsning til neurale netværk, disse grafikchips vil sandsynligvis blive kernen i indlejrede AI-baserede systemer i fremtiden.