Нейромережа на смартфоні змінить сільське господарство
Однак штучний інтелект здатний трансформувати і такі традиційні сфери, як сільське господарство. Wired пише про нову розробку, яка зробить більш ефективним вирощування однієї з найпоширеніших у світі сільськогосподарських культур, передає hightech.fm.
Про технології розповідається в статті, яка буде опублікована в науковому журналі Frontiers in Plant Science. Автори роботи створили програму на базі смартфона, яка може автоматично і практично зі стовідсотковою точністю виявляти хворі рослини маніоки – найбільш широко вирощуваного коренеплоду на Землі. Самий вражаючий аспект цієї технології полягає в тому, що для роботи нейронної мережі достатньо потужності смартфона. Дослідники відштовхувалися від нейромережі Inception v3 з TensorFlow, що належить Google бібліотеці машинного навчання з відкритим вихідним кодом. Більшості нейронних мереж потрібні сотні мільйонів параметрів, що виходить далеко за межі можливостей смартфонів, але для Inception v3 достатньо 25 мільйонів. Завдяки цьому нова програма не потребує доступу до великих обчислювальних потужностей.
Щоб навчити нейронну мережу розпізнавати певні об’єкти, потрібно продемонструвати їй мільйони зображень. Це займає багато часу, до того ж ніхто не володіє такою кількістю зображень уражених хворобою листя маніоки. На щастя, існує химерний трюк, званий трансферним навчанням: якщо навчити мережу розпізнавати певні типи об’єктів, то для формування навички розпізнавання інших їй буде потрібно набагато менше зображень.
Завдяки трансферному навчанню авторам дослідження виявилося достатньо «згодувати» мережі 2756 зображень листя маніоки з поля в Танзанії, після чого вони почали навчати її розпізнавати збиток від таких хвороб, як коричнева смугастість маніоки, вірус мозаїки маніоки і ураження кліщами. У підсумку програма навчилася ідентифікувати буру плямистість листя з 98%, а зараження червоними кліщами — з 96-відсотковою точністю.
Сільськогосподарські технології, засновані на штучному інтелекті, вже проходять етап тестування. Спеціальні алгоритми оцінюють схожість насіння, шукають шкідників і прогнозують погодні умови.