Świat Sztuczna inteligencja pomoże precyzyjnie przewidywać plony kukurydzy? 30 marca 2020 Świat Sztuczna inteligencja pomoże precyzyjnie przewidywać plony kukurydzy? 30 marca 2020 Przeczytaj także Ekologia nowy nius o wszystkim ale taki trochę dłuższy dla testa dadadADA Artykuł sponsorowany Ekologia Czym jest budynek zeroemisyjny? Charakterystyka i przykłady Zeroemisyjny budynek cechuje się zerowym zużyciem energii netto. Oznacza to, że całkowita ilość zużywanej przez niego energii w skali roku równa się ilości energii odnawialnej wytworzonej w danym miejscu. Jakie rozwiązania stosowane są w zeroemisyjnych budynkach? Artykuł sponsorowany Naukowcy z University of Illinois opracowali algorytm oparty na sztucznej inteligencji, który z dużą precyzją przewidzi poziom plonów kukurydzy. Technologia korzysta z rodzaju uczenia maszynowego. Nie używa gotowych wzorców, a uczy się „zasad” na podstawie nowych danych. Działa więc jak ludzki mózg. Sztuczna inteligencja w rolnictwie Rolnictwo precyzyjne i wspomagane komputerowo ma świetlaną przyszłość. Szacuje się, że rynek do 2027 roku osiągnie wartość 12,9 mld dolarów. To istotne z punktu widzenia ekologii – technologie (w tym poniższa) pomagają w opracowaniu optymalnych rekomendacji dla rolników. Może to zmniejszyć m.in. ilość stosowanych nawozów mineralnych. Algorytm, który sam się uczy Badacze bazowali na danych z 2017 i 2018 roku pochodzących z projektu „Data Intensive Farm Management”, które objęły 226 plantacji obsianych kukurydzą i nawożonych azotem, usytuowanych w Środkowym Zachodzie USA, Brazylii, Argentynie i RPA. W celu oszacowania plonów zestawiono naziemne pomiary ze zdjęciami satelitarnymi o wysokiej rozdzielczości. Pola podzielono wirtualnie na pięciometrowe kwadraty. Dla każdego z nich wprowadzano do komputera dane na temat nasion, gleby i dawki nawozu. Fotowoltaika w walce z marnowaniem żywności Ciągła analiza danych Technologia oparta jest na rodzaju uczenia maszynowego określanego jako “konwolucyjne sieci neuronowe” (ang. convolutional neural network – CNN). CNN nie używa gotowych wzorców, lecz uczy się i wprowadza zasady na podstawie nowych danych. – Nie wiemy dokładnie, co powoduje różnice w poziomie plonów na polu. Czasem ludziom wydaje się, że jakieś miejsce powinno zareagować silnie na azot, a tak się nie dzieje – i odwrotnie. CNN potrafi wskazać ukryte przyczyny takiej odpowiedzi – stwierdził Nicolas Martin z Wydziału Nauk o plonach University of Illinois. Badania opublikowano w „Computers and Electronics in Agriculture”. Czytaj także: Randap zabija nie tylko chwasty. Co ze środowiskiem i naszym zdrowiem? Źródło: naukawpolsce.pap.pl, fot. główne: Canva Artykuł stanowi utwór w rozumieniu Ustawy 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych. Wszelkie prawa autorskie przysługują swiatoze.pl. Dalsze rozpowszechnianie utworu możliwe tylko za zgodą redakcji.
