یک راهکار نوآورانه برای بهبود پیش‌بینی و انتخاب عملکرد برداشت برنج

یک پروژه پژوهشی خلاقانه توانسته است یک پلتفرم پیشرو را توسعه دهد که با یکپارچه‌سازی هوش مصنوعی، محاسبات ابری و فناوری پهپاد، تولید برنج را انقلابی کند. این پلتفرم با نام پانیکل-آب، با استفاده از محاسبات ابری قدرت‌گرفته از هوش مصنوعی، توانایی اندازه‌گیری پانیکل‌های برنج را از تصاویری که از طریق پهپاد جمع‌آوری شده‌اند فراهم می‌کند و به تصنیف عملکرد برداشت در برنج می‌پردازد.

تیم پژوهشی یک مجموعه داده تنوع‌یافته از تشخیص پانیکل برنج (DRPD) را تهیه کرده و مدل‌های عمیق یادگیری چندگانه را درون پلتفرم پانیکل-آب ادغام کرده است. به واسطه بهبود‌های مرتب در نهایت تیم موفق به شناسایی مدل هوش مصنوعی پانیکل بهترین و دقیق‌ترین روش برای شناسایی و اندازه‌گیری پانیکل برنج اعلام کرد. با تحلیل پروازهای پهپاد در ارتفاع‌ها و مراحل رشد متفاوت، ارتفاع ۷ متر در مراحل اولیه پر کردن دانه بهترین نتایج را به همراه داشت.

تحلیل هم‌بستگی کارایی مدل هوش مصنوعی پانیکل را تایید کرد، به ویژه در ارتفاع ۷ متر با ضریب هم‌بستگی بالا. این مدل نسبت به ۱۳ مدل عمیق یادگیری دیگر در دقت شناسایی پانیکل برتری داشت. پلتفرم پانیکل-آب که برای کاربران غیر تخصصی نیز قابل استفاده است، اجازه می‌دهد مدل‌های هوش مصنوعی برای شناسایی پانیکل را از طریق یک رابط وب انتخاب کنند. همچنین این پلتفرم با برش تصاویر بزرگتر، عملیات محاسبات را بهینه‌سازی می‌کند.

در یک آزمایش دو فصلی در مزرعه برنج، این پلتفرم برازندگی عملکرد برداشت برنج را برای دسته‌بندی‌های کم، متوسط و زیاد با دقت کلی بیش از ۸۴٪ با موفقیت صورت داد. این ویژگی، امکان صف‌پذیرش و انتخاب انواع افزونه‌های مورد علاقه بر اساس عملکرد برداشت پیش‌بینی شده را برای مخترعان برنج فراهم می‌کند.

با یکپارچه‌سازی هوش مصنوعی، محاسبات ابری و فناوری پهپاد، پلتفرم پانیکل-آب یک راهکار کارا و دقیق برای اندازه‌گیری ویژگی‌های مرتبط با عملکرد برداشت در برنج ارائه می‌دهد. این فناوری قابلیت بهبود قابل توجهی را در فرایند اصلاح و کشت برنج فراهم می‌کند و چالش‌هایی که توسط تغییرات آب و هوا و افزایش تقاضای غذا پیش رو است را برطرف می‌سازد. با دسترسی آسان و ابزارهای پیچیده فنوتیپ‌سنجی پیشرفته، پلتفرم پانیکل-آب به بازه‌ی عریضی از کاربران قدرت می‌دهد تا انواع برنج با بازده بالا را انتخاب کنند و به امنیت غذایی به صدر برسانند.

منبع: تنگ، ز.، و همکاران. “پانیکل-آب: یک پلتفرم محاسبات ابری باز و بهره‌گیری از هوش مصنوعی برای اندازه‌گیری پانیکل برنج از تصاویر جمع‌آوری شده از طریق پهپاد به منظور امکان دسته‌بندی عملکرد برداشت برنج.” فنوتیپ‌شناسی گیاهان (۲۰۲۳). DOI: 10.34133/plantphenomics.0105

The source of the article is from the blog anexartiti.gr

Privacy policy
Contact