ИИ под землю: рост корнеплодов предсказывают с помощью снимков с дронов
Корнеплоды, такие как маниока, морковь и картофель, печально известны тем, что хорошо скрывают болезни или дефицит питательных веществ, которые могут повлиять на их рост. В то время как листья могут выглядеть зелёными и здоровыми, фермеры могут столкнуться с неприятными сюрпризами во время сбора урожая.
Это также создаёт проблемы для селекционеров, которым приходится ждать месяцы или годы, чтобы узнать, как культуры реагируют на засуху или изменение температуры. Незнание того, какие питательные вещества или условия выращивания необходимы культуре на раннем этапе, также препятствует продуктивности.
Новое исследование, использующее машинное обучение для прогнозирования роста и здоровья корнеплодов с помощью надземных изображений, было опубликовано 14 июня в журнале Plant Methods.
"Одна из величайших загадок для селекционеров растений — одинаково ли то, что происходит над землёй, с тем, что происходит под ней", — сказал Майкл Сельварадж, соавтор из Альянса Bioversity International и CIAT.
"Это представляет большую проблему для всех учёных. Требуется много данных: растительный полог, высота, другие физические характеристики, на сбор которых уходит много времени и энергии, а также множество испытаний, чтобы понять, что на самом деле происходит под землёй и насколько здорова культура", — сказал Сельварадж, физиолог растений.
Хотя дроны становятся дешевле, а оборудование для получения физических изображений в ходе испытаний культур стало более доступным, основным узким местом остаётся анализ огромного количества визуальной информации и преобразование её в полезные данные для селекционеров.
Используя изображения с дронов, платформа Pheno-i теперь может объединять данные с тысяч высококачественных снимков, анализировать их с помощью машинного обучения и выдавать электронную таблицу. Она показывает учёным в реальном времени, как именно растения реагируют на стимулы в поле.
Используя эту технологию, селекционеры теперь могут немедленно реагировать, внося удобрения при нехватке определённого питательного вещества или воду. Данные также позволяют учёным быстро выявлять культуры, более устойчивые к климатическим стрессам, чтобы рекомендовать фермерам выращивать более засухо- или жароустойчивые сорта.
"Мы помогаем селекционерам быстрее отбирать лучшие сорта корнеплодов, чтобы они могли выводить для фермеров более урожайные и устойчивые к изменению климата сорта", — сказал Гомес Сельварадж.
"Дрон — это просто аппаратное устройство, но в связке с этой точной и быстрой аналитической платформой мы можем предоставлять полезные и практические данные для ускорения продуктивности сельскохозяйственных культур".
Технология перспективна и для других культур.
"Автоматизированное программное обеспечение для анализа изображений и модели машинного обучения, разработанные в этом исследовании, многообещающи и могут быть применены к другим культурам, помимо маниоки, для ускорения работы по цифровому фенотипированию в рамках исследований Альянса", — сказал Джо Том, директор по исследованиям Альянса в области сельскохозяйственных культур для питания и здоровья.