Estás leyendo la publicación: Investigadores de la Universidad Estatal de Ohio utilizan el aprendizaje automático y los drones para desarrollar un método novedoso para determinar la salud de los campos de soja
Este artículo está escrito como un resumen por el personal de Marktechpost basado en el documento ‘Evaluación de la eficacia de las técnicas de aprendizaje automático para caracterizar la defoliación de la soja desde vehículos aéreos no tripulados‘. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la papel y correo.
Por favor, no olvides unirte a nuestro Subreddit de aprendizaje automático
Investigadores de la Universidad Estatal de Ohio han ideado un enfoque revolucionario para detectar la salud de los cultivos utilizando una combinación de drones y algoritmos de aprendizaje automático para desarrollar una nueva herramienta que podría ayudar a los futuros agricultores.
El estudio, publicado en la revista Computers and Electronics in Agriculture, analiza el empleo de redes neuronales para ayudar a cuantificar la defoliación de cultivos o la pérdida de hojas de una planta a gran escala. Las enfermedades, el estrés, la cría de ganado y, más comúnmente, las infestaciones de insectos y otras plagas pueden contribuir a la pérdida de cultivos.
Los campos de cultivo completos pueden arruinarse si no se controlan, lo que reduce significativamente el rendimiento agrícola de toda una región. Para abordar esto, los científicos observaron la soja, un cultivo comercial considerado uno de los cuatro alimentos básicos de la agricultura mundial.
Zichen Zhang, el autor principal del estudio y estudiante graduado de ingeniería y ciencias de la computación en el estado de Ohio, utilizó un vehículo aéreo no tripulado (UAV), o dron, para adquirir fotografías aéreas de cinco campos de soja en Ohio entre agosto y septiembre de 2020. Después de cortar cada Imagen de UAV en imágenes más pequeñas, los investigadores finalmente recolectaron más de 97,000 tomas que podrían clasificarse como sanas o sin hojas.
Según el USDA, Estados Unidos es el mayor productor mundial de soja y el segundo mayor exportador. Por otro lado, los agricultores nacionales se apresuran a satisfacer la demanda: para satisfacer la demanda de los clientes, se esperaba sembrar casi 90 millones de acres de cultivos de soja el año pasado.
Dado que la soja es una fuente importante de aceite, alimentos y proteínas en muchas partes del mundo, una reducción en la producción de soja en los Estados Unidos podría tener implicaciones de gran alcance. Sin embargo, la investigación de Zhang, una de las primeras en utilizar métodos no invasivos para definir la salud de los cultivos, puede ayudar a determinar la posibilidad de una disminución de la producción debido a la defoliación.
Después de clasificar manualmente las fotos, los investigadores descubrieron que más de 67 000 podían clasificarse como sanas, mientras que casi 30 000 mostraban síntomas de defoliación, una proporción de más de 2 a 1. Luego, los investigadores utilizaron este conjunto de datos para examinar las capacidades de varios algoritmos de aprendizaje para detectar qué cultivos fueron defoliados y evitar generar conclusiones falsas sobre cultivos saludables de soja.
Sin embargo, después de descubrir que ninguno de los clasificadores de aprendizaje existentes podía proporcionar el nivel de precisión que deseaban, los investigadores optaron por construir su propio modelo de aprendizaje profundo desde cero. Defonet es el producto final, una red neuronal capaz de estudiar y responder con precisión las preguntas iniciales de defoliación del estudio.
Según el coautor de la investigación, Christopher Stewart, profesor asociado de informática e ingeniería, Defonet podría alterar el proceso de toma de decisiones de la industria agrícola para hacer frente a pérdidas significativas de cultivos si se implementa en el campo.
Stewart agregó que en los próximos años, tendrían que aumentar significativamente la producción de alimentos para satisfacer la demanda. El concepto detrás de la agricultura digital es utilizar el aprendizaje automático y otras tecnologías para garantizar que cada semilla sembrada se cultive de la manera más eficiente posible.
El estudio fue apoyado por la Fundación Nacional de Ciencias y Sami Khanal, profesor asistente de ingeniería alimentaria, agrícola y biomédica, Amy Raudenbush, investigadora asociada en entomología, y Kelley Tilmon, profesora asociada de entomología, también fueron coautores de el papel.
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
