Поле з майбутнім: застосування штучного інтелекту для покращення якості насіння

KWS_Roboter_TerraSentia_Kuenstliche_Intelligenz_KI_Feldroboter_Fahrt_Feld.jpg

Штучний інтелект набуває все більшого значення в селекції рослин. Сьогодні на території США компанія KWS розробляє та тестує польового робота, вивчаючи його здатність самостійно та точно визначати характеристики рослин, для отримання вищих врожаїв та підвищення стійкості сільськогосподарських культур.

Якщо дивитися на робота TerraSentia з краю поля, то буде видно, як тоненька штанга з чорною трубкою коливається з боку в бік серед пшеничних колосків. Цей оснащений електроприводом та GPS-навігатором робот висотою по коліно рухається по точно розміченому дослідному полю в окрузі Шампейн, недалеко від Чикаго, штат Іллінойс. Завдяки своїм зубчатим колесам, робот легко переміщується через грудки та борозни, вправно слідуючи своєму маршруту через поле.

За допомогою робота селекціонери можуть створювати рослини, які мають підвищену стійкість до хвороб, краще адаптуються до погодних змін та забезпечують аграріїв стабільними та високими врожаями.

На своєму шляху селекціонерів чекає чимало труднощів. Одна з них – необхідність збору максимально можливої кількості даних про сотні сортів та гібридів та більше двох десятків культур, які KWS пропонує на ринок, в тому числі цукрові буряки, пшеницю, кукурудзу, ріпак та сорго. За існуючою традицією, фахівці KWS тестують мільйони рослин в рік на десятках тисяч дослідних ділянок.

Все це потребує чималих затрат часу, праці та зусиль. «І все ж селекціонери можуть спостерігати лише за маленькою ділянкою поля, – каже Цзя Янь, керівник проєкту, який відповідає за цифрові інновації в компанії KWS. – Було б краще вести постійний моніторинг рослин, спостерігаючи за тим, як в них справи в полі». Але де взяти час на облік ще більшої кількості колосків, листків та паростків? І це все в короткий проміжок часу в тих країнах, де KWS займається селекцією?

Знімки, зроблені автономними роботами

В польових роботах, які проводяться в штаті Іллінойс, селекціонерам допомагає робот TerraSentia, який розробили та сконструювали EarthSense при Університеті Іллінойсу в Урбан-Шампейні.

В закріпленій на штанзі трубі дві камери без зупинки роблять детальні знімки пшеничного поля в залежності від переміщення робота. Окрім того, робот зберігає точні координати місця зйомки. Завдяки цьому селекціонери знають, яка зі стадій розвитку (наприклад, вихід колоса) була досягнута посівами на конкретній ділянці. До сьогоднішнього дня такий огляд посівів проводився людьми, які виходили в поле в будь-яку погоду.

Навчання штучного інтелекту

Основою даної системи є не чотирьохколісний робот, а програма на базі штучного інтелекту (ШІ), яка встановлена на комп’ютерах KWS та EarthSense. Поняття «штучний інтелект» використовується в тому випадку, коли машина дає результати, які за інших обставин приписуються тільки діяльності людини. ШІ аналізує зроблені роботом знімки та визначає фази, які цікавлять селекціонерів: наприклад, чи вже вийшов колос, чи ще ні. Така інформація є вкрай важливою для селекціонерів.

Для виконання такої роботи програму треба спочатку навчити, так як сама по собі вона не може ідентифікувати рослини. Селекціонери пшениці Яна Мурхе та Марк Крістофер аналізують зроблені роботом знімки. До важливих параметрів, які зображені на знімках, відноситься вихід колоса, висота рослини та остистість. Ще одним аспектом, що цікавить селекціонерів, є помітні симптоми хвороб листків та колоса.

Після цього спеціалісти в області даних завантажують в програму інформацію, отриману від селекціонерів. Наприклад, якщо на знімках показані колоски, які з’явилися повністю та колоски, які з’явилися частково, програм вчиться виявляти їх на ділянці протягом заданого часу.

Штучний інтелект демонструє гарні результати

Програма генерує свою базу знань на основі досвіду від повторення дій. Таким чином її нейронна мережа створює нову математичну модель, певний алгоритм. При цьому відбувається те, що люди називають «навчання». Отримавши досить інформації від людини, штучний інтелект відразу використовує їх для порівняння нових знімків та прийняття рішень. Що ж до даного робота, то він оцінює знімки рослин, не вимагаючи участі людини.

Але, якщо аналізувати іншу культуру, наприклад, цукрові буряки, а не пшеницю, то людині знову доведеться навчити машину бачити ключові відмінності. При кожному новому завданні нейронна мережа має перенавчатися, а алгоритм – адптуватися.

Результати використання першої версії програми від 2018 року свідчать, що алгоритм вже працює точно. Штучний інтелект виявляє появу колосків з точністю до 96% та визначає, чи остисті колоски, з точністю до 92%.

Зараз система постійно вдосконалюється. Задача TerraSentia полягає в тому, щоб самостійно інспектувати поле щодня, а, в разі потреби, двічі, або навіть тричі на день. «Завдяки цьому ми зможемо приймати більш обґрунтовані рішення в галузі селекції, каже селекціонер пшениці Марк Крістофер. – Особливо це стосується нашого селекційного розсадника з сотнями тисяч окремих рядів, де раніше збирати такі дані було дуже важко».

Люди і досі дуже важливі

І даний приклад також свідчить про те, що «технологія не замінить досвіду селекціонерів», як каже керівник проєкту Цзя Янь. Штучний інтелект та роботи можуть допомогти селекціонерам зібрати більше інформації, на базі якої вони будуть приймати рішення. «Але тільки селекціонери можуть навчити систему, як саме отримати потрібну інформацію». Комбінація інтелектуальних можливостей людини та машини зробить процес селекції більш швидким та точним. Отже, робота з штучним інтелектом та автономними роботами є важливою частиною дослідницької стратегії KWS.

Кількість роботів за потреби можна збільшити

Чим більше роботів використовується в полі, тим більше даних отримують селекціонери. TerraSentia може легко переміщуватися в полях різного типу та відносно проста у виготовленні. Попередня модель була створена на 3D-принтері. Системи навігації та цифрові камери сьогодні широко поширені та стандартні у виконанні. Це означає, що кількість роботів можна швидко збільшити. За потреби програму для навчання та управління нейромережею можна завантажити з хмари одним натиском клавіші в любий час.

Разом з тим багато дослідників у всьому світі проводять роботу по розширенню можливостей штучного інтелекту, наприклад, намагаються скоротити кількість необхідних для його навчання знімків. «Ми все ще навчаємо створену нами систему і поки не використовуємо її з комерційною метою, – каже Цзя Янь. – Але це лише питання часу, коли роботи та штучний інтелект будуть допомагати нам в селекції».

Фенотипування з першого погляду на рослину

Для перевірки нормального стану та росту рослин селекціонерам доводиться неодноразово оглядати їх в полі, тобто там, де їх генотип формується під впливом навколишнього середовища.

Для таких спостережень необхідно багато часу, а також великий досвід селекціонера, який дозволяє оцінити фактичні та бажані характеристики рослин (їх фенотип) та вжити необхідних селекційних заходів.

Сучасні технології можуть допомогти з виконанням цієї задачі та забезпечити додаткову інформацію. Саме з цієї причини KWS докладає багато зусиль для розвитку нової методики автоматичного визначення характеристик рослин. Наприклад, фотозйомка полів або ділянок проводиться як з землі та і з повітря. Такі знімки можна обробляти на комп’ютері для отримання інформації про характеристики. Для цього IT-фахівці та досвідчені селекціонери мають тісно співпрацювати.

Що таке штучний інтелект?

Штучний інтелект (ШІ) вивчається вже давно. Декілька десятиліть тому ця галузь розглядалась як далеке майбутнє, де важливі задачі людини беруть на себе машини. За останні роки таке бачення здобуло більш конкретну форму, що підтверджує поява голосових помічників, голосових перекладачів, автономного транспорту чи автономних засобів діагностики раку та інших захворювань. Для роботи штучного інтелекту необхідний величезний масив даних.

Загалом галузь ШІ можна розділити на три напрямки:

  • сприйняття (наприклад, розпізнавання голосу, тексту, картинок чи обличчя);
  • навчання (наприклад, глибинне навчання чи машинне навчання);
  • прикладне застосування (наприклад, використання роботів таких як TerraSentia).

Дізнайтеся більше

kws_italien_satellit_traktor_feld_rueckspiegel.jpg

Вища урожайність завдяки супутникам

Супутникові знімки дозволяють точно розпізнати ділянки та розрахувати норму висіву насіння на них. Ця інновація дозволяє аграріям збільшувати урожайність і вже застосовується в найбільшому молочному господарстві Італії.

KWS_header_world_of_farming.jpg

Точне землеробство: знімки з космосу допомагають вчасно почати збирання кукурудзи

Точне землеробство за допомогою супутників: з 2018 року KWS використовує унікальну в світі систему супутникових знімків для визначення оптимальної фази збирання кукурудзи на силос. За необхідності аграрії можуть отримати рекомендації для кожного поля безпосередньо через свій мобільний телефон.

kws_potatos.jpg

Насіння на заміну насіннєвій картоплі

На кону стоїть щось по-справжньому велике – це майбутнє картоплі, яка є одним з найважливіших продуктів харчування. Тільки в Німеччині споживання картоплі складає близько 60 кілограмів у рік на одну людину, а в Латвії – в двічі більше. Однак генетична структура картоплі ускладнює селекційні процеси. Щоб змінити ситуацію, KWS об’єднала зусилля з американською компанією Simplot, сімейним підприємством та провідною світовою компанією з переробки сільськогосподарської продукції.