Sa porastom globalne potražnje za osnovnim poljoprivrednim proizvodima za koje se predviđa da će se značajno povećati do 2050. godine zbog rasta stanovništva, rasta prihoda po glavi stanovnika i sve veće upotrebe biogoriva, neophodno je usvojiti održive prakse intenziviranja poljoprivrede u postojećim poljoprivrednim zemljištima kako bi se zadovoljila ova potražnja. Međutim, procesi procene koji se trenutno koriste na globalnom jugu ostaju neadekvatni. Tradicionalne metode kao što su samoprijavljivanje i sečenje useva imaju svoja ograničenja, a tehnologije daljinskog otkrivanja se ne koriste u potpunosti u ovom kontekstu.
Međutim, nedavni napredak u veštačkoj inteligenciji i mašinskom učenju, posebno duboko učenje sa konvolucionim neuronskim mrežama (CNN), ovde nude obećavajuća rešenja. Da bi istražili obim ove nove tehnologije, istraživači iz Japana su sproveli studiju koja se fokusirala na pirinač. Koristili su digitalne slike sa zemlje snimljene u fazi žetve useva, u kombinaciji sa CNN-ima, da bi procenili prinos pirinča. Njihova studija se pojavila u Plant Phenomics.
„Počeli smo tako što smo sproveli opsežnu terensku kampanju. Prikupili smo slike krošnje pirinča i podatke o prinosu grubog zrna sa 20 lokacija u sedam zemalja kako bismo stvorili sveobuhvatnu multinacionalnu bazu podataka“, kaže dr Iu Tanaka, vanredni profesor na Visokoj školi za životnu sredinu , Život, prirodne nauke i tehnologija, Univerzitet Okaiama, koji je vodio studiju.
Slike su snimljene digitalnim kamerama koje su mogle prikupiti potrebne podatke sa udaljenosti od 0,8–0,9 metara, vertikalno nadole od krošnje pirinča. Sa dr Kazukijem Saitoom iz Međunarodnog instituta za istraživanje riže (ranije Afrički centar za rižu) i drugim saradnicima, tim je uspješno kreirao bazu podataka od 4.820 podataka o prinosu na parcelama za žetvu i 22.067 slika, uključujući različite sorte pirinča, proizvodne sisteme i prakse upravljanja usevima. .
Zatim je razvijen CNN model za procenu prinosa zrna za svaku od prikupljenih slika. Tim je koristio metod vizuelne okluzije da vizualizuje aditivni efekat različitih regiona na slikama krošnje pirinča. To je uključivalo maskiranje određenih delova slika i posmatranje kako se procena prinosa modela promenila kao odgovor na maskirane regione.
Uvidi stečeni ovom metodom omogućili su istraživačima da shvate kako CNN model tumači različite karakteristike na slikama krošnje pirinča, utičući na njegovu tačnost i njegovu sposobnost da napravi razliku između komponenti koje doprinose prinosu i elemenata koji ne doprinose u krošnji.
Model se pokazao dobro, objašnjavajući oko 68%–69% varijacije prinosa u skupovima podataka za validaciju i testiranje. Rezultati studije su istakli važnost metlica — labavih grozdova cveća — u proceni prinosa putem vizuelizacije zasnovane na okluziji. Model bi mogao tačno da predvidi prinos tokom faze sazrevanja, prepoznajući zrele metlice, a takođe može da otkrije razlike u prinosu u sortama i upravljanju vodama u skupu podataka za predviđanje. Međutim, njegova preciznost se smanjivala kako se rezolucija slike smanjivala.
Ipak, model se pokazao robusnim, pokazujući dobru preciznost pod različitim uglovima snimanja i doba dana. „Sve u svemu, razvijeni model CNN-a pokazao je obećavajuće mogućnosti u proceni prinosa grubog zrna na osnovu slika krošnje pirinča u različitim okruženjima i sortama. Još jedan privlačan aspekt je to što je veoma isplativ i ne zahteva radno intenzivne rezove useva ili složene tehnologije daljinskog otkrivanja “, kaže dr Tanaka.
Studija naglašava potencijal modela zasnovanih na CNN-u za praćenje produktivnosti pirinča na regionalnom nivou. Međutim, tačnost modela može varirati u različitim uslovima, a dalja istraživanja bi trebalo da se usredsrede na prilagođavanje modela uslovima sa niskim prinosom i kišnim uslovima. Metoda zasnovana na veštačkoj inteligenciji takođe je stavljena na raspolaganje poljoprivrednicima i istraživačima kroz jednostavnu aplikaciju za pametne telefone, čime je značajno poboljšana dostupnost tehnologije i njenih aplikacija u stvarnom životu.
Naziv ove aplikacije je ‘HOJO’, a već je dostupna na iOS-u i Android-u. Istraživači se nadaju da će njihov rad dovesti do boljeg upravljanja pirinčanim poljima i pomoći ubrzanim programima uzgoja, što će pozitivno doprineti globalnoj proizvodnji hrane i inicijativama za održivost.
