OK, telefon: Hvordan ser mine afgrøder ud?

Kategori: Ikke kategoriseret Udsendt 02 okt

Nogle kassavabønder er muligvis ikke i stand til at skelne en plantes invaliderende brune stribe fra en andens bekymrende brune bladplet - men det kan en smartphone-venlig AI.

Kablet rapporter at forskere har udviklet en let billedgenkendelse AI, der kan identificere sygdomme i kassavaplanten baseret på billeder af dens blade. Det kunne være nyttigt, fordi kassava er en af ​​de mest almindeligt spiste knolde på planeten, men dyrkes overvejende i udviklingslande, hvor adgangen til ekspertise til at diagnosticere usædvanlige afgrødeproblemer kan være begrænset.

I et papir offentliggjort på arXiv , forklarer forskerne bag den nye AI, hvordan de har brugt en teknik kendt som transfer learning til at genoptræne et eksisterende billedgenkendelsesneuralt netværk ved hjælp af blot et lille antal nye billeder. Med kun 2.756 billeder af kassavablade taget fra planter i Tanzania var holdet i stand til at bygge software baseret på Googles TensorFlow AI-bibliotek, der pålideligt kunne identificere tre afgrødesygdomme og to typer skadedyr. Det kunne for eksempel skelne brune bladplet med 98 procents nøjagtighed. AI'en er også lille nok til at indlæse og køre på en smartphone og behøver ikke at sende data til skyen til behandling, selvom den endnu ikke er tilgængelig for folk at bruge.

Automatisering ser i stigende grad ud til at være på vej mod marken. Sidste måned, traktorfabrikant John Deere erhvervet et Silicon Valley AI-firma – et, der præcist retter sig mod ukrudtsbekæmper ved hjælp af maskinlæring – for seje $300 millioner. Og et pilotprojekt i Storbritannien så for nylig, at forskere plejede en mark fuld af byg ved kun at bruge robotter.