ШВИДКА НАВІГАЦІЯ
Гріхальва: Інновації в машинному навчанні для агрономії
Гріхальва є частиною підрозділу Informa Markets компанії Informa PLC. Цей сайт управляється бізнесом або бізнесами, що належать Informa PLC, і всі авторські права належать їм. Зареєстрований офіс Informa PLC знаходиться за адресою: 5 Howick Place, London SW1P 1WG. Зареєстровано в Англії та Уельсі. Номер 8860726.
Raney Rapp, старший співробітник, 6 червня 2025 року
Проекти з машинного навчання в Університеті штату Луїзіана можуть спростити деякі складні завдання в полі.
В одному змахуванні сітки для збору комах досвідчені агрономи можуть отримати багато базової інформації про навантаження шкідників. Де один агроном може виявити 50 клопів, інший може побачити 80, а ще один – 20, що може суттєво змінити оцінку того, чи слід проводити економічно доцільне лікування. Штучний інтелект може точно визначити кількість кожного разу, без необхідності рахувати протягом нудних хвилин під палючим літнім сонцем.
Асистент професора Іван Гріхальва відразу помітив практичні аспекти роботи кафедри ентомології, коли розпочав свою академічну кар’єру, і почав уявляти рішення для нудьги, з якою стикалися його колеги-дослідники.
«Є багато традиційних аспектів ентомології – вихід у поле, використання сітки для збору комах, повторне рахування комах – це здається областю, де машинне навчання може зробити різницю», – сказав Гріхальва. «Я вже цікавився комп’ютерами, і коли штучний інтелект почав використовуватися в сільському господарстві, я визначив потребу в цьому».
Гріхальва нещодавно завершив проект на здобуття ступеня доктора філософії в Університеті штату Канзас з подібним проектом – створенням програми машинного зору для підрахунку попелиці на рослинах сорго. В LSU він і його колега доктор Джефф Девіс отримали фінансування від Дослідницької та промоційної ради сої та зерна Луїзіани – з новим проектом, що розробляє подібну модель для ідентифікації клопів у полі.
«Комахи дуже рухливі, вони дуже маленькі і швидко розмножуються», – сказав Гріхальва. «З технологією, яку ми маємо сьогодні, те, що колись було великою проблемою, тепер можна автоматизувати, що значно спростить моніторинг комах».
Але як складний комп’ютерний штучний інтелект може надати практичну підтримку фермерам, агрономам і дослідникам у полі? Це досить просто.
«Машинне навчання на практиці – це просто опис ваших даних, а потім воно може надати вам рішення», – сказав Гріхальва. «Ви можете створити модель виявлення, яка допоможе вам виявляти та підраховувати комах, і вся ця технологія може бути застосована в управлінні шкідниками».
По суті, створення моделі машинного навчання полягає в тому, щоб попросити штучний інтелект вирішити проблему, виходячи з наданої інформації. Різниця між використанням відкритого штучного інтелекту, такого як ChatGPT, і моделлю, розробленою дослідниками, такими як LSU та інші університети, полягає в якості інформації, до якої має доступ алгоритм, і застосовності для вирішення реальних проблем.
«Ми шукаємо дійсно якісні зображення та інформацію і працюємо зверху вниз, використовуючи спочатку найвищу якість інформації, а потім переходячи до менш якісних вхідних даних», – сказав Гріхальва.
Гріхальва почне навчання своєї першої моделі клопів
використовуючи фотографії, зроблені з використанням сучасних систем зображення в контрольованих умовах, а також польові зображення, зроблені за допомогою стандартних камер після збору зразків.
Крім того, Гріхальва хоче навчити модель для більш складних підходів – включаючи використання зображень, зроблених дронами, або фотографій, зроблених в умовах різного освітлення, щоб результати могли бути надані на основі менш ідеальних умов зображення.
«Частина найскладнішої частини створення такої моделі полягає в спостереженні та виправленні помилок у моделі», – сказав Гріхальва. «Нам доведеться запустити модель багато разів і спостерігати, коли вона неправильно ідентифікує клопа, а потім доопрацювати модель, щоб подолати ці помилки та підвищити загальну точність».
Навчання моделі правильно ідентифікувати комах
Це один крок у набагато ширшій зусиллі, щоб допомогти зв’язати фермерів з реальними застосуваннями штучного інтелекту.
«LSU дійсно прагне бути лідером у технологіях точного землеробства», – сказав Гріхальва та доктор Майкл Стут, голова кафедри ентомології. «Найскладнішою частиною цих зусиль є знаходження реальних застосувань для досліджень і отримання технології в руки фермерів у застосовуваній формі».
З самого початку робота Гріхальви враховувала можливості фермерів і основні використання, наприклад, використання стандартного кольорового зображення для навчання моделі, з урахуванням того, що більшість фермерів використовуватимуть технологію на своєму телефоні або з дрона.
«Мрія врешті-решт полягала б у використанні цієї технології для робота, який би міг ідентифікувати клопів, коли він рухається по полю, і обприскувати їх безпосередньо», – сказав Гріхальва. «Я хотів би бачити це як додаток, який фермери могли б використовувати на своєму телефоні, щоб допомогти визначити, коли досягнуто економічного порогу, або навіть у лазерному застосуванні, де комах можна видалити нетрадиційним підходом».
Коли модель зможе правильно ідентифікувати та підраховувати бажані комахи
Справжня робота починається з адаптації моделі до нових використань, повторного навчання її з менш ідеальними даними та надання інтелекту можливості швидко приймати точні рішення в реальному часі.
Можливість стежити за новинами у більш стислому форматі в Facebook або Telegram повернутися на головну сторінку