Projekt badawczy doktorski na Uniwersytecie w Groningen pokazuje, że w klasyfikacji obrazów poczyniono wielkie postępy w dziedzinie głębokiego uczenia, formy sztucznej inteligencji. Może się to przydać w operacjach rolniczych.
Głębokie uczenie to technika oparta na wielowarstwowych sieciach neuronowych. W pewnym sensie ta forma sztucznej inteligencji symuluje funkcjonowanie ludzkiego mózgu.
Rozpoznawanie, wykrywanie i liczenie roślin ma kluczowe znaczenie w gospodarce rolnej. Rozpoznanie na przykład chorób i chwastów w uprawie jest konieczne, aby móc podjąć właściwe działania w uprawie. Teraz odbywa się to głównie poprzez obserwację w kraju. Jest to czasochłonny proces, który wymaga również dużej wiedzy ze strony rolnika lub doradcy ds. upraw.
Widzenie komputerowe i uczenie maszynowe są obecnie szeroko stosowanymi technikami, które można również wykorzystać do rozpoznawania roślin. W przypadku tych technik rozpoznawanie upraw pozostaje trudne. Różnice między np. rośliną uprawną a rośliną chwastów są niewielkie. Ponadto często zmienia się tło i jakość zdjęć.
Technologia nie stoi w miejscu
We wtorek 9 lutego Pornntiwa Pawara otrzyma doktorat na Uniwersytecie w Groningen za badania nad różnymi technikami, które można wykorzystać do rozpoznawania, wykrywania i liczenia roślin. Jej badania doktoranckie pokazują, że ostatnie postępy w uczeniu głębokim poczyniły ogromne postępy w klasyfikacji obrazów.
Na dłuższą metę, jeśli technika stanie się wystarczająco niezawodna, techniki te można na przykład zastosować w opryskiwaczu polowym w celu zwalczania chwastów w konkretnym miejscu. Można jednak rozważyć również mechaniczne zwalczanie chwastów lub mechaniczną selekcję sadzeniaków.
© Analiza rynku DCA. Niniejsza informacja rynkowa podlega prawu autorskiemu. Zabrania się reprodukowania, rozpowszechniania, rozpowszechniania lub udostępniania treści osobom trzecim za wynagrodzeniem w jakiejkolwiek formie bez wyraźnej pisemnej zgody DCA Market Intelligence.