ИИ показывает, как развиваются полевые культуры: ПО может смоделировать будущий рост на основе одного исходного изображения

Исследователи из Боннского университета разработали программное обеспечение, способное моделировать рост полевых культур. Для этого они загрузили тысячи фотографий с полевых экспериментов в обучающий алгоритм. Это позволило алгоритму научиться визуализировать будущее развитие культурных растений на основе одного исходного изображения. С помощью созданных в этом процессе изображений можно точно оценить такие параметры, как площадь листьев или урожайность.

Исследователи сделали важный шаг к этой цели. Разработанное ПО использует фотографии с дронов, чтобы визуализировать будущее развитие изображенных растений. Работа ведется в рамках кластера передового опыта PhenoRob, цель которого — продвижение интеллектуальной цифровизации сельского хозяйства для повышения его экологичности без ущерба для урожайности. Результаты опубликованы в журнале Plant Methods.

Виртуальный взгляд в будущее для помощи в принятии решений

Программа должна в конечном итоге позволить виртуально моделировать определенные решения — например, оценивать, как использование пестицидов или удобрений повлияет на урожай.

Для работы программа должна быть обучена на фотографиях с дронов, сделанных в ходе полевых экспериментов. Исследователи сделали тысячи снимков за один вегетационный период, документируя, например, развитие цветной капусты в определенных условиях.

Обучив алгоритм на этих изображениях, они добились того, что на основе всего одного аэрофотоснимка ранней стадии роста алгоритм может генерировать изображения, показывающие будущее развитие культуры. Процесс очень точен, пока условия выращивания схожи с теми, что были при съемке обучающих фото. ПО пока не учитывает эффект внезапных заморозков или продолжительных дождей, но в будущем должно научиться оценивать влияние таких факторов, а также, например, увеличения использования удобрений.

Кроме того, исследователи использовали вторую программу на основе ИИ, которая может оценивать различные параметры по фотографиям растений, такие как урожайность. Она также работает со сгенерированными изображениями. Таким образом, можно достаточно точно оценить последующий размер кочанов цветной капусты на очень ранней стадии роста.

Фокус на поликультурах

Одно из направлений работы — использование поликультур, то есть посев разных видов на одном поле, например, бобов и пшеницы. Поскольку у растений разные потребности, в поликультуре они конкурируют друг с другом меньше, чем в монокультуре. Это повышает урожайность. Кроме того, некоторые виды (например, бобы) могут связывать азот из воздуха и использовать его как естественное удобрение, от чего выигрывает и другой вид (пшеница).

Поликультуры также менее восприимчивы к вредителям и другим воздействиям окружающей среды. Однако успех сильно зависит от сочетания видов и их пропорции в смеси.

Если загрузить в обучающие алгоритмы результаты множества различных экспериментов по смешиванию, можно получить рекомендации о том, какие растения особенно совместимы и в каком соотношении.

Моделирование роста растений на основе обучающихся алгоритмов — относительно новое направление. До сих пор в основном использовались процессно-ориентированные модели, которые, образно говоря, имеют фундаментальное понимание того, какие питательные вещества и условия окружающей среды нужны определенным растениям для роста.

Разработанное ПО делает выводы исключительно на основе опыта, полученного из обучающих изображений. Оба подхода дополняют друг друга. Их соответствующее сочетание может значительно улучшить качество прогнозов. Исследователи изучают, как можно оптимально совместить процессно- и имидже-ориентированные методы для их взаимной выгоды.