دانشمندان از موسسه فناوری هند (IIT) Mandi ، با استفاده از عکس برگهای آن ، یک مدل محاسباتی برای تشخیص خودکار بیماری در محصولات سیب زمینی ایجاد کرده اند.
این تحقیق به سرپرستی دکتر Srikant Srinivasan ، دانشیار دانشکده محاسبات و مهندسی برق ، IIT Mandi ، با همکاری م Instituteسسه تحقیقات سیب زمینی مرکزی ، شیملا ، از روشهای هوش مصنوعی (AI) برای برجسته کردن قسمتهای بیمار برگ استفاده می کند.
بودجه بودجه وزارت بیوتکنولوژی ، دولت. از هند ، نتایج این تحقیق اخیراً در مجله Plant Phenomics ، در مقاله ای که توسط دکتر Srikant Srinivasan و دکتر Shyam K. Masakapalli همراه با محققان تحقیقاتی ، آقای جو جانسون و خانم تالیف شده است ، منتشر شده است. Geetanjali Sharma ، از IIT Mandi ، و دکتر Vijay Kumar Dua ، دکتر Sanjeev Sharma و دکتر Jagdev Sharma ، از م Instituteسسه تحقیقات سیب زمینی مرکزی ، شیملا.
سیب زمینی ، در تاریخ جهان ، عامل قحطی بزرگ جهان در اواسط قرن نوزدهم بوده است که باعث کشته شدن بیش از یک میلیون نفر در ایرلند شد و شعر مرگ برای زبان ایرلندی را به صدا در آورد. دلیل؟ سیب زمینی
Blight یک بیماری شایع در گیاه سیب زمینی است که به صورت ضایعات ناهموار به رنگ سبز روشن در نزدیکی نوک و حاشیه برگ شروع می شود و سپس به لکه های نکروتیک قهوه ای مایل به سیاه و مایل به سیاه گسترش می یابد که در نهایت منجر به پوسیدگی گیاه می شود. در صورت عدم ردیابی و کنترل نشدن ، بیماری آفت می تواند طی یک هفته در شرایط مناسب کل محصول را از بین ببرد.
دکتر Srikant Srinivasan:
"در هند ، مانند اکثر کشورهای در حال توسعه ، شناسایی و شناسایی بیماری بیماری زخم بصورت دستی توسط پرسنل آموزش دیده انجام می شود که این مزرعه را جستجو می کنند و شاخ و برگ گیاهان سیب زمینی را بصورت بصری بازرسی می کنند."
این روند ، همانطور که انتظار می رود ، خصوصاً برای مناطق دور افتاده خسته کننده و غالباً غیر عملی است ، زیرا نیاز به تخصص یک متخصص باغبانی دارد که ممکن است از نظر جسمی در دسترس نباشد.
جو جانسون ، محقق پژوه ، IIT Mandi:
"تشخیص خودکار بیماری ها می تواند در این زمینه کمک کند و با توجه به گسترش گسترده تلفن های همراه در سراسر کشور ، تلفن هوشمند می تواند در این زمینه ابزار مفیدی باشد."
دوربین های پیشرفته HD ، قدرت محاسبات بهتر و راه های ارتباطی ارائه شده توسط تلفن های هوشمند بستر امیدوار کننده ای را برای تشخیص خودکار بیماری در محصولات ارائه می دهند ، که می تواند باعث صرفه جویی در وقت و کمک به موقع شود مدیریت بیماری ها ، در موارد شیوع
این ابزار محاسباتی که توسط دانشمندان IIT Mandi توسعه یافته است می تواند زخم در تصاویر برگ سیب زمینی را تشخیص دهد. این مدل با استفاده از ابزاری AI به نام معماری شبکه عصبی کانولوشن مبتنی بر ناحیه ماسک ساخته شده است و می تواند قسمتهای بیمارانی برگ را در میان زمینه پیچیده مواد گیاهی و خاک برجسته کند.
به منظور توسعه یک مدل قوی ، داده های برگ سالم و بیمار از مزارع سراسر پنجاب ، UP و هیماچال پرادش جمع آوری شد. مهم بود که الگوی تهیه شده قابلیت حمل و نقل در سراسر کشور را داشته باشد.
دکتر Srikant Srinivasan:
"تجزیه و تحلیل عملکرد تشخیص ، بیانگر دقت کلی 98٪ روی تصاویر برگ در محیط های مزرعه است."
حتی اگر سیب زمینی غذای اصلی در بیشتر مناطق جهان نیست ، یک محصول نقدی است و عدم موفقیت در آن می تواند عواقب مخربی به ویژه برای کشاورزان با دارا بودن حاشیه زمین داشته باشد. بنابراین ، تشخیص زودهنگام بیماری سیاه برای جلوگیری از فاجعه مالی برای کشاورز و اقتصاد کشور مهم است.
پس از این موفقیت ، تیم در حال کاهش اندازه مدل به چند ده مگابایت است تا بتواند به عنوان یک برنامه در تلفن های هوشمند میزبانی شود. با این کار ، هنگامی که کشاورز از برگی که ناسالم به نظر می رسد عکس می گیرد ، برنامه در زمان واقعی ثابت می کند که برگ آلوده است یا خیر.
با این دانش به موقع ، کشاورز دقیقاً می داند چه موقع محل سمپاشی را انجام دهد ، در تولید خود صرفه جویی کرده و هزینه های ناشی از استفاده غیر ضروری از قارچ کش ها را به حداقل برساند.
دکتر Srikant Srinivasan:
"این مدل با تحت پوشش قرار گرفتن ایالات بیشتر اصلاح می شود"
دکتر سرینیواسان تأکید کرد که این برنامه به عنوان بخشی از برنامه FarmerZone مستقر خواهد شد که به صورت رایگان در دسترس کشاورزان سیب زمینی قرار خواهد گرفت.