Все новости

Нейросеть научили контролировать рост растений в автономных теплицах

Ученые считают, что это пригодится для межпланетных космических перелетов – например, на Марс

ТАСС, 17 февраля. Ученые разработали систему на основе искусственного интеллекта (ИИ), которая позволяет распознавать и контролировать рост растений в автономных теплицах с высокой точностью. Благодаря этому можно увеличить их урожайность. Результаты исследования опубликовал научный журнал IEEE Sensors, кратко об этом пишет пресс-служба Сколковского института науки и технологий.

Ученые предполагают, что во время полетов на Марс и другие планеты единственным источником свежей пищи для экипажа будут автономные теплицы. Несколько подобных систем уже тестируют. Одна из них – автономный модуль для культивации растений на Антарктической станции Неймаер 3. Чтобы сделать ее эффективнее, ученые решили создать систему искусственного интеллекта, которая могла бы собирать информацию обо всем, что нужно для роста растений, о состоянии саженцев, а также управлять теплицей в автономном режиме.

"Поддержание бесперебойной связи со станцией Неймаер 3 невозможно, а обучение моделей компьютерного зрения на борту слишком ресурсозатратно. Поэтому перед нами встала задача отправления потока фотографий выращиваемых растений для обработки и анализа данных на внешних серверах", – сказал один из участников исследования, аспирант Сколковского института науки и технологий Сергей Нестерук.

В результате исследователи предложили обрабатывать изображения, которые собирают удаленные автоматизированные системы, с помощью сверточных нейронных сетей. Это позволило уменьшать размер фотографии без видимой потери качества более чем в семь раз по сравнению с аналогами.

А с помощью информации, полученной из восстановленных изображений, ученые обучили алгоритм компьютерного зрения. Теперь он может классифицировать 18 сортов растений на разных стадиях развития по видам с точностью 92%. Такой подход позволяет не только визуально контролировать процесс работы системы, но и непрерывно собирать новые данные, расширять функционал алгоритмов.