МОСКВА, 27 июля. /ТАСС/. Ученые из Сколковского института науки и технологий (Сколтеха) научились предсказывать динамику роста растений c использованием компьютерного зрения и методов машинного обучения. Об этом в пятницу сообщила пресс-служба вуза.
"Группа ученых из Космического центра и Центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных Сколтеха разработала метод предсказания прироста биомассы растений на основе 2D- и 3D-изображений. Полученные результаты позволят повысить эффективность точного земледелия как на Земле, так и в космосе", - говорится в сообщении Сколтеха.
Ученые собрали статистические данные, фиксируя рост растений в искусственной беспочвенной системе с помощью 3D-камеры. Полученные данные позволили найти связь в увеличении суммарной площади поверхности всех листьев с приростом общей биомассы растений. После этого увеличение площади листьев фиксировалось с помощью 2D-камеры, а на основе этих измерений строилась динамическая модель роста растения.
"Для проведения эксперимента была создана автоматическая система с искусственными условиями роста, укомплектованная 2D- и 3D-камерами, а также датчиками, собирающими данные об окружающей среде. Эта система использует машинное обучение для моделирования роста растений и прогнозирования его динамики", - отмечается в сообщении. По словам авторов исследования, такой метод упрощает и снижает стоимость систем прогнозирования.
Команда ученых намерена разработать рекомендательные системы для оптимизации тепличных хозяйств на основе полученных данных и алгоритмов машинного обучения. Собранные в ходе эксперимента данные, а также разработка эффективных методов их анализа будут полезными при создании автономных систем жизнеобеспечения в космосе и на Земле, отмечают в вузе.
Новые технологии в точном земледелии открывают возможности для борьбы с голодом в развивающихся странах, обеспечения продовольственной безопасности и повышения экономической эффективности сельского хозяйства. Точное земледелие сталкивается с рядом сложностей и нерешенных задач, ключевой из которых считается оптимизация использования ресурсов. Для ее решения ученые разрабатывают модели, позволяющие прогнозировать рост и оптимизировать производство продуктов.
