به گزارش ایرنا از پایگاه اطلاع‌رسانی فیز، آنها برای توسعه این نرم‌افزار، هزاران عکس از اراضی کشاورزی به یک الگوریتم یادگیری داده‌اند. این الگوریتم آنها را قادر ساخت تا پیش‌بینی کند چگونه رشد آینده گیاهان کشت شده را بر اساس یک تصویر اولیه تصویر کرده و این تصویر را ارائه دهد. با استفاده از تصاویر ایجاد شده در این فرآیند، می توان عوامل مرتبط با رشد محصولات کشاورزی مانند سطح برگ یا محصول نهایی مزرعه را به دقت تخمین زد.
کشاورزان معمولا با این سوال روبرو هستند که کدام گیاه را باید با چه نسبت ترکیب کنم تا بیشترین بازده را کشت کنم؟ اگر به جای کودهای مصنوعی از کود دامی استفاده کنم، محصول چطور می‌شود؟ کشاورزان در آینده باید بتوانند در پاسخ دادن به چنین سؤالاتی روی پشتیبانی رایانه حساب کنند.
حالا محققان گامی در تحقق این هدف برداشته اند. لوکاس دریس از موسسه ژئودزی و اطلاعات جغرافیایی در دانشگاه بن در این مورد می‌گوید: نرم‌افزاری را توسعه داده‌ایم که از عکس‌های گرفته شده با پهپاد برای تصویرسازی رشد آینده گیاهان استفاده می‌کند.
برنامه رایانه‌ای که اکنون توسط دریس و همکارانش توسعه داده شده در نهایت باید امکان شبیه‌سازی ها برخی تصمیم‌های کشاورزان را به صورت مجازی فراهم کند؛ به عنوان مثال، برای آنها تصویر سازی کند چگونه استفاده از آفت‌کش‌ها یا کودها بر کشت نهایی محصول مزرعه تأثیر می‌گذارد.
برای تحقق این هدف، نرم‌افزار باید از عکس های گرفته شده با پهپادها از اراضی کشاورزی استفاده کند. دریس در این مورد گفت: ما هزاران عکس در یک دوره کشت محصولات گرفتیم و به این ترتیب برای نمونه رشد محصولات گل کلم را تحت شرایط خاصی طی یک دوره رشد ثبت کردیم.
سپس محققان با استفاده از این تصاویر یک الگوریتم یادگیری را آموزش دادند. پس از آن، بر اساس یک تصویر هوایی منفرد از مرحله اولیه رشد، این الگوریتم توانست تصاویری تولید کند که توسعه آینده محصول را در یک تصویر جدید و مصنوعی ایجاد کرده است.
این نرم‌افزار تا حد زیادی با دقت می‌تواند روند را پیش‌بینی کند؛ البته تا زمانی که شرایط کشت مشابه شرایط روزی باشد که عکس‌های در آن روز گرفته شده است. در نتیجه، نرم‌افزار توان لحاظ کردن اثر یک سرمای ناگهانی یا باران مداوم چند روزه را ندارد. بنابراین، باید در آینده مواردی به آن اضافه شود؛ مانند اینکه چگونه رشد محصولات کشاورزی تحت تأثیر این عوامل و مانند اینها قرار می گیرد.
دریس می‌گوید: برای حل این مشکل ما از نرم‌افزار هوش مصنوعی دیگری استفاده کردیم که می‌تواند عوامل مختلفی را از روی عکس‌های گیاهان و محصولات، مانند بازده محصول تخمین بزند. این هدف با تصاویر تولیدشده هوش مصنوعی کار می کند. بنابراین تخمین دقیق اندازه گل کلم در مراحل اولیه دوره رشد این محصول ممکن است.
