Çiftçilere yardımcı olmak için kullanılan makine öğrenimi, operasyonları için uygun en uygun ürünleri seçiyor

Anonim

Yıllar boyunca çiftçiler, mevcut en iyi tavsiyeyle - tohum rehberleri, yerel agronomistler, tohum satıcıları vb. - işletmeleri için ürünleri seçiyorlar. Yapay zeka teknolojilerindeki ilerlemeler, farklı bir yaklaşımı keşfetme fırsatları sundular.

St. Louis'deki Washington Üniversitesi, Bayer'ın bir yan kuruluşu olan The Climate Corporation ile işbirliği yaparak, hibrit seçim ve yerleştirmenin arkasındaki bilimi ilerletmek için eşsiz yeni teknolojileri keşfetmeye çalışıyor.

Mühendislik ve Uygulamalı Bilimler Yüksekokulu Bilgisayar Bilimi ve Mühendisliği yardımcı doçenti olan Roman Garnett, her türlü ortamda en yüksek verim potansiyeline ulaşma olasılığına sahip olan hibridlerin belirlenmesine yardımcı olmak için Aktif Makine öğrenimini uygulamak üzere The Climate Corporation'dan 97.771 $ tutarında bir hibe aldı.

Ticari hibrit ürünlerin geliştirilmesi uzun ve pahalı bir süreçtir; Tohumların ne kadar iyi büyüdüğünü, zararlılara ve hastalığa karşı direncini ve ilişkili mahsul verimlerini belirlemek 7-8 yıl sürebilir. "Aktif makine öğrenimini birleştirerek, ürün karakterizasyonu ve ticarileştirme için gereken ayak izinde potansiyel bir azalma sağlayacak ve öngörülen ürün dağıtım hedefleri hakkında değerli bilgiler sağlayacak bir model oluşturabiliriz" dedi..

Garnett, "İnsanlar kişiselleştirilmiş tıp hakkında konuşuyorlar ve bu kişiselleştirilmiş tarım." Dedi. "Çok fazla veri toplayabiliriz, daha sonra verileri kullanarak her çiftçiye kişiselleştirilmiş önerilerde bulunabilmek için kalıpları öğrenmeye çalışırız."

Projenin amacı, iklim bilimcilerin her yıl yeni ürünlerin geliştirilmesini ve dikilmesini hızlandırabileceklerini belirlemektir.

Aktif makine öğrenimi, son hedefe doğru en kullanışlı olan verileri tanımlar. Garnett, mevcut verileri kullanmak yerine aktif makine öğrenmenin "yol boyunca öğrenildiğini" söyledi.

Garnett, "Bütün bu verileri toplamak yerine, sadece yüzde 10'unu toplarsak ancak yüzde 10'u seçersek, " dedi. "Daha sonra, bu tohum portföyü için kişiselleştirme performansı kadar iyi bir performans elde edebilmek için verilerin küçük bir kısmını kullanabilecek bir algoritmaya sahip olacağız. Bunu simülasyonda yapıyoruz, ancak eğer işe yarayacaksa, Gelecekteki kararları verme şeklini etkilemek. "

Garnett, ıslahı ve yenilenebilir enerji kaynağı olarak kullanılabilecek sorgum ürünlerinin ticari salınımını hızlandırmak için büyük veri kullanan bir araştırma ekibindedir. Donald Danforth Plant Bilim Merkezi'nin başkanlığını yaptığı dört yıllık 8 milyon dolarlık proje, ABD Enerji Bakanlığı'nın ARPA-E TERRA programı tarafından finanse ediliyor ve 10 üniversite, hükümet ve endüstri ortaklarından oluşan bir ekipten oluşuyor. Garnett, üreme sürecini hızlandırmak için, yetiştirme verilerinin bitkilerin son biyokütlesinin istatistiksel tahminlerini, büyüme mevsiminin erken dönemlerinde, sensör verilerinden en etkin şekilde kullanan algoritmalar geliştirmektedir.

menu
menu