机器学习农业:ISU科学家们正在教电脑诊断大豆压力

An unmanned aerial vehicle lands in a farm field

无人驾驶飞机可以配备有能够检测超出可检测由人眼的波长范围的高光谱技术。这种技术可能正在开发,机器学习技术相结合,在爱荷华州,帮助农民预测他们的作物中的压力症状出现之前。 阿尔季辛格的照片礼貌。 大图.

爱荷华州艾姆斯 - 沙巴体育官网的科学家们对在未来,农民可以使用无人驾驶飞机被发现,甚至预测,疾病和压力在他们的庄稼工作。他们的视野依赖于机器学习,自动化的过程中,技术可以帮助农民应对更有效地植物的逆境。

阿尔季辛格的兼职助理教授 农艺学,是导致最近接受了3年,$四九九八四五津贴从粮食和农业开发的机器学习技术的农业国家研究所,美国能源部可以自动化农民的诊断一系列重大压力的能力的多学科研究团队在大豆。正在开发的技术将利用安装到无人机,无人机或摄像机,收集大豆田的鸟瞰图像。计算机应用程序会自动分析图像,并提醒故障点的农民。

“在最基本的,机器学习仅仅是训练机器做的,我们做的事情,”辛格说。 “当你想教孩子一辆车是什么,你给他们的汽车。这是我们正在做的事情来训练计算机算法,可见大量各种大豆的图像强调识别,分类,量化和预测应力场“。

潜在的预测在症状出现之前,他们

该研究小组已经组建了大豆的图像,一些健康,一些受到压力和疾病,他们然后标记的一个巨大的数据集。的计算机程序经过标记的图像并组合,可以在新的图像识别应力算法。 Singh表示机器学习程序可以是能够发现有广泛的共同大豆压力,包括真菌,细菌和病毒疾病,以及营养缺乏和除草剂伤害的。

利用高光谱成像,或摄像机捕捉波长范围超出人眼看到的,可能允许该技术预测应力的症状前的存在,甚至出现,赋予农民更多的时间来管理这个问题,她说。

辛格与机器学习的迷恋始于2014年,当她参加由国际滑联植物科学研究所主办的专题研讨会。她马上想到举办了植物育种和植物病理学承诺的技术,但学术文献的调查显示,大部分在外地工作,从工程学科,而不是植物科学来了。她意识到有更多的合作,有必要推进在农业这个领域。

“我们需要包括植物科学家为好,”她说。 “否则,我们将有工程师植物科学问题的工作。学科之间的合作是什么使得它可能的“。

她帮助组装创建一个应用程序,允许智能手机用户采取的大豆植物的图片,以确定该植物缺铁遭受跨学科的团队。目前,该研究小组的目标是从原来的应用程序,这需要手动拍摄的照片来诊断单应力,算法能够从无人机拍摄的图像,并确定了一系列应力扩展他们的工作。

该技术的未来建立在科学家和工程师来收集正确的数据集,然后再培养来分析数据的能力的能力。通过批结束后,辛格表示,球队打算已完成了使用无人机数据收集的最佳实践框架。包括找出最佳的图像分辨率,以及最佳的高度和速度的无人机。研究人员希望能够无缝地集成数据采集,策展和分析,导致其在农田程序进行检测和缓解厂及时地强调。辛格表示球队将尽他们的研究结果公布于该项目的结论。

该方法具有许多其他作物应用的潜力,以及,辛格说。