Článek
Díky propojení řady zobrazovacích metod s pokročilými algoritmy strojového učení systém umožňuje předpovědět na základě získaných dat další vývoj a kondici rostlin, což jsou stěžejní informace pro pěstitele i šlechtitele zemědělských plodin.
„Ve studii jsme prokázali, že AMULET může výrazně zlepšit proces zpracování dat z fenotypizace, tedy sledování a hodnocení vlastností rostlin v závislosti na prostředí. To je klíčové pro šlechtění rostlin a výzkum v oblasti zemědělství. Tento přístup umožňuje rychlejší a přesnější analýzu rostlinných vlastností, což může přispět k vývoji odolnějších a výnosnějších plodin,“ uvedla jedna z autorek Nuria De Diegová.
Systém se osvědčil i při prognóze nástupu chorob u rostlin
Model AMULET zpracovává obrazy získané pomocí cenově dostupné RGB kamery. Vědci pořídili více než 30 tisíc snímků modelové rostliny huseníčku rolního, ale prokázali, že systém lze využít i na zemědělské plodiny, jako jsou například brambory.
„Systém zahrnuje detekci rostlin, odhad budoucího vývoje, třídění i analýzu dat. Vylepšuje fenotypizaci tím, že využívá pokročilý model umělé inteligence, který dokáže předvídat vývoj obrazových dat s vysokou přesností,“ objasnil Jan Zdražil z CATRIN a doktorand na Fakultě elektrotechniky a informatiky VŠB-TUO.
Vývoj rostlin sledují vědci s pomocí umělé inteligence.
Tato schopnost podle něj přináší výhody celé škále uživatelů – od vědců až po zemědělce – například tím, že zkracuje trvání experimentů, umožňuje včasnou detekci stresu rostlin nebo rychlejší rozpoznání nezdravých jedinců.
„AMULET se osvědčil i při prognóze nástupu chorob u rostlin ještě předtím, než se projeví první viditelné příznaky, čímž umožňuje včasnou intervenci a minimalizaci ztrát na výnosu. Díky tomu bude možné rychleji a citlivěji zasáhnout a efektivněji tak chránit zdraví plodin,“ zdůraznila De Diegová.
Ačkoli je podle odborníků nutné funkčnost systému ještě dále testovat pro různé podmínky a rostlinné druhy, už nyní představuje průlomový nástroj, který může zásadně zefektivnit fenotypizaci – od detekce až po analýzu dat.
Pokud se z praxe podaří získat data pro ověření modelu, jeho využití může podle odborníků v dohledné době přispět ve šlechtitelských programech a zemědělství k vyšší vitalitě a výnosu plodin a umožnit péči o rostliny s menšími časovými a pracovními nároky.
Výsledek svého zkoumání zveřejnili vědci v odborném časopise Computers and Electronics in Agriculture.
