Главная задача ученых — создание системы искусственного интеллекта, которая могла бы управлять теплицей в автономном режиме без участия человека
Систему искусственного интеллекта, которая позволяет контролировать рост растений и автоматизировать процесс их выращивания, а также обрабатывать изображения, получаемые в автономных теплицах, разработали ученые из Сколтеха совместно с Немецким аэрокосмическим центром (DLR). Результаты исследования опубликованы в журнале IEEE Sensors, сообщает департамент по коммуникациям Сколтеха.
В случае покорения новых планет теплица будет единственным источником свежей пищи для экипажа космического корабля и поселенцев на красной планете, считают ученые. Поэтому разработка технологий, основанных на искусственном интеллекте и машинном зрении для автоматизации процессов выращивания растений, является приоритетной задачей исследований.
На сегодняшний день на антарктической станции «Неймаер 3» вблизи Южного полюс функционирует автономный модуль для культивации растений.
Главная задача ученых — создание системы искусственного интеллекта, которая могла бы собирать информацию о всех факторах, необходимых для роста растений, и состоянии саженцев, а также управлять теплицей в автономном режиме без участия человека.
«Поддержание бесперебойной связи со станцией „Неймаер 3“ невозможно, а обучение моделей компьютерного зрения на борту слишком ресурсозатратно, поэтому перед нами встала задача отправления потока фотографий выращиваемых растений для обработки и анализа данных на внешних серверах», — поясняет аспирант Сколтеха Сергей Нестерук.
Результатом деятельности исследователей из Сколтеха стало применение нового подхода к работе с изображениями, собираемыми на удаленных автоматизированных системах с помощью сверточных нейронных сетей, позволяющего уменьшать размер фотографии без видимой потери качества более чем в 7 раз по сравнению с популярными кодеками.
С помощью информации, полученной из восстановленных изображений, алгоритм компьютерного зрения обучили классифицировать 18 сортов растений на разных стадиях развития (по видам) с точностью 92%. Такой подход позволяет не только визуально контролировать процесс работы системы, но и непрерывно собирать новые данные.
Разработанные системы планируется установить и протестировать непосредственно на станции, что послужит важным шагом на пути к автоматизации модулей для выращивания растений.