Świat Sztuczna inteligencja pomoże precyzyjnie przewidywać plony kukurydzy? 30 marca 2020 Świat Sztuczna inteligencja pomoże precyzyjnie przewidywać plony kukurydzy? 30 marca 2020 Przeczytaj także Ekologia Uprawa roślin bez światła? To może być prawda Niedawno naukowcy zaproponowali alternatywne do fotosyntezy, czyli elektro-rolnictwo. Metoda ta ma zastąpić fotosyntezę – nie wymaga światła, a do tego radykalnie ogranicza ilość ziemi potrzebnej do upraw. Ekologia Czy chrząszcze będą rozkładać plastik? Naukowcy odkryli, że larwy pewnego gatunku chrząszcza żywią się… plastikiem. Czy to oznacza, że problem plastiku i jego recyklingu zostanie rozwiązany? Naukowcy z University of Illinois opracowali algorytm oparty na sztucznej inteligencji, który z dużą precyzją przewidzi poziom plonów kukurydzy. Technologia korzysta z rodzaju uczenia maszynowego. Nie używa gotowych wzorców, a uczy się „zasad” na podstawie nowych danych. Działa więc jak ludzki mózg. Reklama Sztuczna inteligencja w rolnictwie Rolnictwo precyzyjne i wspomagane komputerowo ma świetlaną przyszłość. Szacuje się, że rynek do 2027 roku osiągnie wartość 12,9 mld dolarów. To istotne z punktu widzenia ekologii – technologie (w tym poniższa) pomagają w opracowaniu optymalnych rekomendacji dla rolników. Może to zmniejszyć m.in. ilość stosowanych nawozów mineralnych. Algorytm, który sam się uczy Badacze bazowali na danych z 2017 i 2018 roku pochodzących z projektu „Data Intensive Farm Management”, które objęły 226 plantacji obsianych kukurydzą i nawożonych azotem, usytuowanych w Środkowym Zachodzie USA, Brazylii, Argentynie i RPA. W celu oszacowania plonów zestawiono naziemne pomiary ze zdjęciami satelitarnymi o wysokiej rozdzielczości. Pola podzielono wirtualnie na pięciometrowe kwadraty. Dla każdego z nich wprowadzano do komputera dane na temat nasion, gleby i dawki nawozu. Fotowoltaika w walce z marnowaniem żywności Ciągła analiza danych Technologia oparta jest na rodzaju uczenia maszynowego określanego jako “konwolucyjne sieci neuronowe” (ang. convolutional neural network – CNN). CNN nie używa gotowych wzorców, lecz uczy się i wprowadza zasady na podstawie nowych danych. – Nie wiemy dokładnie, co powoduje różnice w poziomie plonów na polu. Czasem ludziom wydaje się, że jakieś miejsce powinno zareagować silnie na azot, a tak się nie dzieje – i odwrotnie. CNN potrafi wskazać ukryte przyczyny takiej odpowiedzi – stwierdził Nicolas Martin z Wydziału Nauk o plonach University of Illinois. Badania opublikowano w „Computers and Electronics in Agriculture”. Czytaj także: Randap zabija nie tylko chwasty. Co ze środowiskiem i naszym zdrowiem? Źródło: naukawpolsce.pap.pl, fot. główne: Canva Artykuł stanowi utwór w rozumieniu Ustawy 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych. Wszelkie prawa autorskie przysługują swiatoze.pl. Dalsze rozpowszechnianie utworu możliwe tylko za zgodą redakcji.