Исследователи из Университета Пердью, возглавляемые Клаудией Авилес Толедо, успешно продемонстрировали возможности применения искусственного интеллекта для прогнозирования урожайности кукурузы. В своей работе, опубликованной в журнале Frontiers in Plant Science, команда ученых использовала рекуррентные нейронные сети, которые обучаются на данных с долговременной кратковременной памятью.
Это позволило им интегрировать информацию, полученную с помощью технологий дистанционного зондирования, генетических данных и данных о состоянии окружающей среды для создания более точных прогнозов урожайности.
Одной из ключевых технологий, использованных в исследовании, является дистанционное зондирование, включающее использование беспилотных летательных аппаратов и спутников для сбора информации о растениях и полях. Это позволило значительно снизить трудоемкость процесса фенотипирования — изучения и характеристики растений. Вместо традиционных методов, таких как ручное измерение высоты растений и анализ их химического состава, исследователи использовали гиперспектральные камеры и системы LiDAR, чтобы получать детализированные данные о состоянии растений.
Примечательно, что созданная нейронная сеть может не только классифицировать здоровые и подверженные стрессу растения, но и предсказывать урожайность различных гибридов кукурузы, что особенно полезно для селекционеров. Эти прогнозы позволяют агрономам и производителям лучше адаптировать методы управления и выбирать наиболее подходящие сорта для разных условий.
Модель глубокого обучения, основанная на данных из разных источников, также может быть обновлена для других регионов и периодов времени, что открывает новые перспективы для широкого использования этих технологий в сельском хозяйстве.
