Οι βρωμιές, οι οποίες είναι αναγνωρίσιμες στους περισσότερους από τη δυσάρεστη μυρωδιά που εκπέμπουν μετά τη συντριβή τους, είναι στην πραγματικότητα ένα από τα πιο σημαντικά γεωργικά παράσιτα που βασανίζουν τους αγρότες σε όλη τη Βόρεια Αμερική και τη Νότια
Ευρώπη
. Το ενοχλητικό χωροκατακτητικό είδος, που μπορεί να έχει
έκανε μια βόλτα από την Ασία στις ΗΠΑ μέσω κοντέινερ
πίσω στη δεκαετία του 1990,
σύμφωνα με πληροφορίες
, συνέβαλε στη ζημιά των καλλιεργειών αξίας 500 εκατομμυρίων ευρώ στην Ευρώπη μόνο το 2019. Όλη αυτή η κατασ
τροφή
καθιστά τη σωστή επιτήρηση αυτών των εντόμων κορυφαία προτεραιότητα, ωστόσο, οι σύγχρονες μέθοδοι για να γίνει αυτό παραμένουν εντάσεως εργασίας και σχετικά αναποτελεσματικές σε μεγάλη κλίμακα. Τώρα, οι ερευνητές πιστεύουν ότι ένας συνδυασμός
drones
εξοπλισμένων με κάμερα και νέων μοντέλων τεχνητής νοημοσύνης θα μπορούσε επιτέλους να δώσει στους αγρότες έναν καλύτερο τρόπο να αντεπιτεθούν.
Μια ομάδα Ιταλών ερευνητών
γράφοντας στο περιοδικό
Επιστήμη Διαχείρισης Παρασίτων
, κυκλοφόρησαν πρόσφατα ευρήματα από μια μελέτη όπου χρησιμοποίησαν ένα μη εμπορευματικό drone για να συλλέξουν εικόνες υψηλής ποιότητας από βρωμιές που φωλιάζουν μέσα σε έναν οπωρώνα αχλαδιών. Οι ερευνητές ανέπτυξαν ένα «αυτοματοποιημένο πρωτόκολλο πτήσης» το οποίο τους επιτρέπει να ελέγχουν το drone και να το τοποθετούν πάνω από μολυσμένες καλλιέργειες χρησιμοποιώντας μια εφαρμογή για κινητά. Το drone μπόρεσε στη συνέχεια να τραβήξει εκατοντάδες εικόνες υψηλής ποιότητας που χρησιμοποιήθηκαν για να εκπαιδεύσει έναν αλγόριθμο
AI
που μπορεί να εντοπίσει με επιτυχία μελλοντικές βρωμιές. Αυτό το μοντέλο, εν μέρει χάρη στην ποιότητα των εικόνων που τραβήχτηκαν από το drone, εντόπισε με ακρίβεια τις βρωμιές στο 97% των περιπτώσεων.
«Συνολικά, αυτό το νέο σύστημα παρακολούθησης έδειξε τη δυνατότητα ενσωμάτωσης UAV και AI για την ανίχνευση και ποσοτικοποίηση της παρουσίας παρασίτων εντόμων με το μέγεθος και το σχήμα του H. halys», δήλωσε ο ερευνητής του Πανεπιστημίου της Πάρμα και συν-συγγραφέας της εργασίας Daniele Giannetti. .
Πίστωση: Πανεπιστήμιο της Μόντενα και Reggio Emilia
Το drone έκανε τα σφάλματα να παγώσουν στη θέση τους
Πριν από το πείραμα με drone, η παρατήρηση και η επιτήρηση του βρωμιού συνήθως συνίστατο στη χρήση παγίδων φερομόνης για να δελεάσουν τα έντομα για χειροκίνητη μέτρηση. Αυτή η προσέγγιση, γράφουν οι ερευνητές, είναι περιορισμένη ως προς την αποτελεσματικότητά της, ειδικά όταν προσπαθείτε να μετρήσετε τον αριθμό των βρωμιών σε μεγάλες, απλωμένες εκτάσεις καλλιεργειών. Ο Giannetti είπε ότι αυτές οι πιο παραδοσιακές μέθοδοι παρακολούθησης είναι επίσης περιορισμένες λόγω του οικονομικού κόστους που σχετίζεται με την πρόσληψη εργαζομένων για την εκτέλεση αυτής της παρακολούθησης.
Για τη μελέτη τους, οι ερευνητές εξόπλισαν ένα drone DJI Matrice
300
με κάμερα HD και το έβαλαν να πραγματοποιήσει 16 διαφορετικές αποστολές πτήσης πάνω από το περιβόλι. Μόλις το drone άρχισε να αιωρείται πάνω από το αχλάδι, όμως, συνέβη κάτι ενδιαφέρον. Αντί να διασκορπιστούν ή να πέσουν από τις καλλιέργειες όπως συμβαίνει όταν πλησιάζουν άνθρωποι παρατηρητές, τα σφάλματα πάγωσαν. Περίπου το 85% των μετρούμενων σφαλμάτων παρουσίασαν αυτή τη συμπεριφορά παγώματος όταν το drone αιωρούνταν από πάνω τους σε ύψη 4 και 8 μέτρων. Το ασυνήθιστο φαινόμενο παγώματος σήμαινε ότι το drone είχε άφθονο χρόνο για να τραβήξει μια φωτογραφία υψηλής ποιότητας με το σφάλμα στο πλαίσιο.
Από εκεί, οι ερευνητές χρησιμοποίησαν αυτές τις εικόνες για να εκπαιδεύσουν ένα μοντέλο AI ικανό να ανιχνεύει βρωμιά. Αν και το drone κατέγραψε συνολικά 2.459 εικόνες, μόνο 402 από αυτές περιείχαν στην πραγματικότητα βρωμιά. Οι ερευνητές ονόμασαν χειροκίνητα αυτά τα σφάλματα για να βοηθήσουν στην εκπαίδευση του μοντέλου AI περιγράφοντας τα έντομα με ένα ορθογώνιο. Αφού εκπαιδευτεί σωστά στις εικόνες, οι ερευνητές λένε ότι η τεχνητή νοημοσύνη ήταν πολύ ικανή να εντοπίζει περιπτώσεις βρωμιάς σε άλλες εικόνες.
Ενώ οι ερευνητές περιόρισαν στενά την εστίασή τους στα βρωμιά, λένε ότι οι ίδιες βασικές αρχές θα μπορούσαν να χρησιμοποιηθούν για την παρακολούθηση μιας ποικιλίας παρασίτων. Οι μελλοντικοί ερευνητές θα πρέπει να τραβήξουν τις δικές τους, νέες εικόνες βασισμένες σε drone και στη συνέχεια να τις τροφοδοτήσουν στο δικό τους προσαρμοσμένο AI. Οι αγρότες και οι οικολόγοι στις ΗΠΑ και σε όλο τον κόσμο είναι ήδη
κάνοντας εύκολα χρήση drones
να βοηθήσει με τη διαχείριση των καλλιεργειών, την ανάλυση του εδάφους και σε πραγματικό χρόνο».
ανίχνευση ζιζανίων
.»
«Αυτή η εμπειρία είναι πραγματικά ενθαρρυντική», είπε σε μια δήλωση η καθηγήτρια του Πανεπιστημίου της Μόντενα και συν-συγγραφέας της εργασίας Lara Maistrello. «Βρίσκουμε αυτά τα αποτελέσματα συναρπαστικά, ειδικά επειδή οι μελλοντικές τους εφαρμογές είναι πάρα πολλές».
VIA:
popsci.com
0