რამდენ ჯანსაღ პომიდვრის მცენარეს მოიტანს თესლის დიდი ნაწილი? Wageningen University & Research-ის Agro Food Robotics-ის მკვლევარებმა შეიმუშავეს ავტომატური ჩანასახის ტესტი, რომელიც აძლევს თესლების სელექციონერებსა და მწარმოებლებს სწრაფ და ობიექტურ პასუხებს ამ კითხვაზე, დაზოგავს ხარჯებს და ზრდის ეფექტურობას.
მწარმოებლებს მოსწონთ ერთგვაროვანი მცენარეების მიწოდება და ამიტომ სურთ იცოდნენ მათ მიერ შეკვეთილი თესლის ხარისხი. რამდენ მცენარეს მოაქვს თესლის პარტია? არის ეგზემპლარები, რომლებიც ჩამორჩებიან ზრდას, აქვთ დაგრეხილი ღერო ან აკლია ფოთოლი? როგორც თესლის სელექციონერები, ასევე მწარმოებლები ატარებენ ჩანასახის ტესტებს.
ამ ტესტებიდან მოყვანილი მცენარეები ფასდება ხელით და კომპანიის საკუთარი კრიტერიუმებისა და ზრდის მეთოდების მიხედვით. მაგალითად, თესლის მომშენებელი ამუშავებს ზუსტად იმავე პირობებში მთელი წლის განმავლობაში, მაშინ როცა კომერციულ სათბურში ეს პირობები შეიძლება განსხვავდებოდეს სეზონზე. . ”აქედან გამომდინარე, ჩანასახის ტესტების შედეგები შეიძლება განსხვავდებოდეს ერთმანეთისგან. ეს ართულებს თესლის სელექციონერებს შეთანხმდნენ თესლის ხარისხზე და მწარმოებლებისთვის სწორად შეაფასონ ნერგების წარმოება,” - ამბობს ლიდია მეესტერსი, Agro Food Robotics-ის მკვლევარი ვაგენინგენის უნივერსიტეტში და კვლევაში.
Ნეირონული ქსელები
პროექტში მაღალტექნოლოგიური მცენარეების ფენოტიპის ინსტრუმენტების გამოყენება მეცხოველეობის კომპანიებისა და მწარმოებლებისთვის (2018-2021)ვაგენინგენის უნივერსიტეტისა და კვლევის Agro Food Robotics-ის მკვლევარებმა შეიმუშავეს ავტომატური, სტანდარტიზებული ჩანასახის ტესტი, რომელიც აღმოფხვრის ამ პრობლემებს.
„ჩვენი MARVIN კამერის სისტემით ჩვენ ვაკეთებთ პომიდვრის ნერგების მაღალსიჩქარიან ფილმებს და ვუკავშირდებით მათ კლასიფიკაციის პროგრამულ უზრუნველყოფას“, - ამბობს მეესტერსი. ”პროგრამული უზრუნველყოფა იყენებს ნერვულ ქსელებს (ღრმა სწავლა), ხელოვნური ინტელექტის ფორმას, რომელიც საშუალებას აძლევს კომპიუტერებს ისწავლონ მიღებული ინფორმაციის საფუძველზე. ამ შემთხვევაში ჩვენ ვაკეთებთ როგორც 2-განზომილებიან, ასევე 3-განზომილებიან სურათებს“.
უკეთესი პროგნოზი
პროექტის თერთმეტი პარტნიორიდან ერთ-ერთია პოლ ვერბრუგენი, ბეჟო ზადენის მკვლევარი Warmenhuizen-ში. ”ჩვენ ყოველთვის ვცდილობთ უკეთ ვიწინასწარმეტყველოთ პომიდვრის მცენარის ხარისხი და ერთგვაროვნება ჩვენი თესლიდან,” - განმარტავს ის.
ეს მიზანი ახლა მიღწეულია ვაგენინგენის კვლევის წყალობით. „მარვინის კამერის სისტემა უკვე საკმაოდ კარგად პროგნოზირებს მცენარეების ხარისხს“, ამბობს ვერბრუგენი. ”როდესაც თქვენ დაამატებთ ახალ ტექნოლოგიას, როგორიცაა ხელოვნური ინტელექტი, საიმედოობა მნიშვნელოვნად იზრდება. პირველი შედეგები ასევე მიუთითებს იმაზე, რომ არ აქვს მნიშვნელობა აგროვებთ თუ არა პომიდვრის მცენარეების 2-D თუ 3-D სურათებს. ”ჩვენთვის სასიამოვნოა ამის ცოდნა, რადგან ეს ადასტურებს, რომ ბეჯო ზადენი უკვე იყენებს კარგ სისტემას.”
ეფექტურად მუშაობს
ვერბრუგენმა ასევე აღნიშნა, რომ ძნელია კონსენსუსის მიღწევა სხვა მხარეებთან იმის შესახებ, თუ როგორ უნდა მოხდეს თესლის ხარისხის ზუსტად გაზომვა. „ჩვენ ახლა ერთად ვმუშაობთ მორგებულ პროგნოზირებულ მოდელებზე, რომლითაც ჯაჭვის თითოეულ პარტნიორს შეუძლია საკუთარი მოდელის მომზადება. თუ საქმე მეესტერზეა, ეს მოდელები მხოლოდ დასაწყისია. „რაც უფრო მეტად არის ინტეგრირებული თანამედროვე ტექნოლოგია სათბურებში, მით უფრო ეფექტური ხდებიან კომპანიები.