Главная задача ученых — создание системы искусственного интеллекта, которая могла бы управлять теплицей в автономном режиме без участия человека
![](http://static.specagro.ru/cdn/ff/zehFe3FfPruWMg2WlT5caysmszUS5_JqbUWEPlJ5958/1613724449/public/2021-02/d72dbb1cab5f452095cbb19332e08615.max-2000x1000.jpg)
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.
![](http://static.specagro.ru/cdn/ff/jsbKHi16ncN4D77UJ8e3SOOLdYilTkIODNKsDEFR-1s/1613724325/public/2021-02/035e862672c54dbb877e8a39ac4591a5.width-630.jpg)
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.