Сельское хозяйство будущего: нейронные сети научились предсказывать динамику роста растений

Ученые из Сколтеха обучили нейронные сети оценивать и предсказывать динамику роста растений с учетом основных действующих на растение факторов и предлагать оптимальное соотношение необходимых питательных веществ и других параметров, определяющих его рост.

Результаты исследования опубликованы в журнале IEEE Transactions on Instrumentations and Measurements. Искусственный интеллект за последние несколько лет попробовали применить почти во всех сферах нашей жизни, и часто он оказывается полезным, помогая человеку принимать правильные решения для реализации поставленных задач. Применение интеллектуальных систем в области выращивания растений в искусственных условиях — не исключение.

Среди множества различных типов схем нейросетей особое место занимают так называемые рекуррентные нейронные сети. Их архитектура позволяет эффективно обрабатывать данные, представляющие собой направленную последовательность: например, текст, речь и временны?е ряды. Именно временны?ми рядами хорошо описывается динамика роста растения во времени.

В своей исследовательской работе ученые из Сколтеха показали, как рекуррентные нейронные сети совместно с алгоритмами компьютерного зрения могут полностью взять на себя задачу предсказания динамики роста растений в зависимости от текущего состояния системы выращивания и параметров, ее характеризующих. Задача была решена с использованием данных, полученных совместном с Германским аэрокосмическим центром (DLR).

Ученые из Германии работали над задачей дополнительной стимуляции роста растений в искусственных системах, схожих с теми, что применяются на Международной космической станции. В совместном эксперименте были получены ценные данные, позволяющие найти оптимальное соотношение питательных веществ, необходимых растению для наилучшего роста при имеющихся ограничениях.

В работе были использованы алгоритмы компьютерного зрения для сегментации и определения площади поверхности листвы, а для предсказания роста растений — различные схемы рекуррентных нейронных сетей, показавшие свою эффективность при решении задачи. Для демонстрации и апробации разработанной программы в реальных условиях была предложена встраиваемая энергоэффективная система, позволяющая производить вычисления и предсказание динамики роста.

Система разработана на базе популярного одноплатного компьютера для прототипирования Raspberry Pi с внешней графической платой Intel Movidius. В основе устройства — компактный и мощный графический процессор Myriad 2, который при мощности всего в 1 Вт способен выдавать вычислительную производительность в 150 гигафлопс, что сравнимо с производительностью суперкомпьютеров середины 1990-х. Графические чипы такого рода отлично подходят для запуска нейронных сетей и в будущем станут основой встраиваемых систем с искусственным интеллектом.

«Данное исследование позволит создавать портативные системы для постоянного мониторинга, анализа состояния растений в искусственных системах выращивания и предсказания динамики их роста, что в конечном счете окажет неоценимую помощь человеку», — рассказывают одни из авторов исследования Дмитрий Шадрин и Александр Меньщиков.