Ein banebrytande forskingsprosjekt har utvikla ei toppmoderne plattform som kombinerer kunstig intelligens, skylagring og droneteknologi for å revolusjonere risproduksjonen. Plattformen, som blir kalla Panicle-Cloud, nyttar AI-dreven skylagring for å kvantifisere risakslar ved hjelp av bilete frå dronar. Dette gjør det mogleg å klassifisere avlinga av ris.
Forskingsteamet har skapt ein ekspert-annotert datasett for oppdaging av mangfaldige risakslar (DRPD) og har integrert fleire djuplæringsmodellar i Panicle-Cloud-plattformen. Gjennom iterativ forbetring har teamet identifisert Panicle AI-modellen som den mest nøyaktige for å oppdage og kvantifisere risakslene. Ved å analysere dronflygingar på ulike høgder og vekststadier, har dei fastsett at ein høgde på 7m under tidleg grasfyllingsstadium gir dei beste resultata.
Korrelasjonsanalyse stadfesta effektiviteten til Panicle AI-modellen, særleg ved høgda 7m, med ein høg korrelasjonskoeffisient. Denne modellen presterte betre enn 13 andre toppmoderne djuplæringsmodellar når det gjeld nøyaktigheit i oppdaging av akslene. Den brukarvenlege Panicle-Cloud-plattformen gjer det mogleg for ikkje-eksperter å velje AI-modeller for akselforsking gjennom ei nettbasert brukargrensesnitt. Plattformen optimaliserer også berekninga ved å beskjære større bilete.
I ei risåkerprøve over to sesongar klarte plattformen å klassifisere produksjonen av risakslane i kategoriane låg, middels og høg med ei samla nøyaktigheit på over 84%. Dette gjør det mogleg for risdyrkvarar å effektivt skjerme og velje føretrukne variantar basert på spådd avling.
Ved å integrere AI, skylagring og droneteknologi, tilbyr Panicle-Cloud ei effektiv og nøyaktig løysing for kvantifisering av avlingsrelaterte eigenskapar i ris. Denne teknologien har potensial til å betydeleg forbetre risavl og dyrking, og takle utfordringane ein står overfor med klimaendringar og aukande matbehov. Med si tilgjengelegheit og avanserte fenotypingverktøy, gjer Panicle-Cloud det mogleg for eit breiare spekter av brukarar å velje høgavlingsvariantar av ris og bidra til matsikkerheit på globalt nivå.
Referanse: Teng, Z., et al. «Panicle-Cloud: An Open and AI-Powered Cloud Computing Platform for Quantifying Rice Panicles from Drone-Collected Imagery to Enable the Classification of Yield Production in Rice.» Plant Phenomics (2023). DOI: 10.34133/plantphenomics.0105
The source of the article is from the blog combopop.com.br