Los científicos de Skoltech han entrenado redes neuronales para evaluar y predecir el patrón de crecimiento de las plantas teniendo en cuenta los principales factores que influyen y proponer la relación óptima entre las necesidades de nutrientes y otros parámetros que impulsan el crecimiento.
Los resultados del estudio fueron publicados en la revista IEEE Transactions on Instrumentations and Measurements.
En los últimos años, se han realizado múltiples intentos de utilizar la inteligencia artificial (IA) en casi todas las esferas de la vida. Ha demostrado ser útil, ayudando a las personas a tomar las decisiones correctas y lograr el objetivo. Usar IA para cultivar plantas en entornos artificiales no es una excepción. Las redes neuronales vienen en una amplia variedad de arquitecturas, incluyendo su tipo más prominente, redes neuronales recurrentes (RNN), que ayudan a procesar eficientemente secuencias direccionales de datos, como texto, discurso o series de tiempo, siendo esta última la más instrumental en la descripción de la planta. crecimiento a lo largo del tiempo.
En su estudio, los científicos de Skoltech mostraron cómo RNN se puede usar en combinación con algoritmos de visión por computadora para manejar la tarea de predicción del crecimiento de las plantas en su totalidad, mientras se mantiene atento al estado actual y los principales parámetros del sistema de cultivo de plantas. La tarea se abordó utilizando los datos obtenidos en el estudio realizado en colaboración con el Centro Aeroespacial Alemán (DLR), donde los científicos alemanes analizaron la estimulación adicional para el crecimiento de las plantas en sistemas artificiales similares a los utilizados en la Estación Espacial Internacional. El experimento conjunto arrojó resultados valiosos que ayudaron a encontrar la proporción óptima de nutrientes asegurando el mejor patrón de crecimiento bajo las limitaciones existentes.
Los científicos segmentaron y determinaron el área total de follaje usando algoritmos de visión por computadora y predijeron el crecimiento de las plantas usando el RNN de varias arquitecturas que se las arreglaron eficientemente con la tarea. También propusieron un sistema integrado de eficiencia energética para calcular y predecir el patrón de crecimiento con el fin de realizar demostraciones y pruebas de la vida real del software dedicado.
El sistema se basa en Raspberry Pi, una popular computadora de prototipos de placa única con una tarjeta gráfica externa Intel Movidius. El dispositivo utiliza un procesador gráfico Myriad 2 compacto y potente que funciona a 150 Gflops con una potencia de solo 1 W, que es comparable a las supercomputadoras de mediados de la década de 1990. Una solución perfecta para redes neuronales, estos chips gráficos probablemente se convertirán en el núcleo de los sistemas integrados basados en IA en el futuro.
Comentarios recientes