Et team av forskere ved Pennsylvania State University og École Polytechnique Fédérale de Lausanne, Sveits har vendte kunstig intelligenss skarpe øye mot landbruket, ved å bruke dyplæringsalgoritmer for å hjelpe med å oppdage avlingssykdom før den sprer seg.
Anbefalte videoer
"Hvis den kan gjøre ansikter, kan den gjøre plantesykdommer."
De fleste avlingene i utviklede regioner dyrkes gjennom storskala operasjoner, der tilstrekkelig økonomi og arbeidskraft bidrar til å takle sykdom tidlig. I utviklingsregioner drives opptil 80 prosent av landbruksproduksjonen av småbønder, iht. studien publisert i Frontiers in Plant Science. Disse småskalaoperasjonene er mer utsatt for de ødeleggende effektene av avlingssykdom, som kan utslette hele avlinger og føre til lokal eller utbredt hungersnød. Problemet forverres av det faktum at så mange som 50 prosent av verdens sultne befolkning bor i småbrukshusholdninger, med for få ressurser til å håndtere avlingssykdom raskt.
Maskinsyn har utmerket seg når det gjelder å trene biler til å kjøre selvstendig, diagnostisere kreft og finne venner på bilder, og denne nye applikasjonen er moden (så å si) for evaluering.
"Vi visste at maskinlæring ville være spillveksleren den nå viser seg å være, fra en bedre søkemotor resultater til selvkjørende biler, sier medforfatter av studien og professor i Penn State, David Hughes, til Digital Trends. "Og leksjonene fra dyp læring i Facebook var en stor motivasjon,» sa han og refererte til sosiale medier-gigantens utvikling innen bildegjenkjenning. "Så vi tenkte at hvis den kan gjøre ansikter, kan den gjøre plantesykdommer."
Sammen med hovedforfatter Sharada Mohanty og medforfatter Marcel Salathé fra EPFL, utviklet Hughes et program som er raskt, effektivt og kompakt nok til å pakke inn i en smarttelefon. De trente algoritmen ved å mate den med enorme datasett – over 50 000 bilder – samlet som en del av PlantVillage, et online arkiv med åpen tilgang med plantebilder inkludert bilder av plantesykdom. Med disse dataene trente forskerne algoritmen til å identifisere 26 forskjellige sykdommer i 14 forskjellige plantearter.
Etter treningsfasen utførte programmet med 99,35 prosent nøyaktighet, noe som ga enhver smarttelefonbruker muligheten til å identifisere sykdommer med øyet til en veltrent ekspert.
"Vi forbedrer oss hele tiden," sa Hughes. "Dette er gjennom bruk av mer data og mer raffinerte algoritmer. Vi håper å ha dette på en telefon i løpet av de kommende månedene. Vi er et lite antrekk, så med mer drivstoff kan vi få flere ting til å skje til felles beste. Tross alt må vi det. Verden raser mot ni milliarder mennesker, og å mate dem er vår unike utfordring – vi tror informatikere er avgjørende for denne innsatsen.»
Redaktørenes anbefalinger
- Photoshop AI mener «lykke» er et smil med råtne tenner
- Hvordan vil vi vite når en AI faktisk blir sansende?
- The BigSleep A.I. er som Google Bildesøk etter bilder som ikke eksisterer ennå
- Denne A.I.-drevne appen kan oppdage hudkreft med 95 prosent nøyaktighet
- Fremtidens hustakstmann er trolig en A.I. algoritme
Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.
