Університет штату Іллінойс започаткував новий проект, в якому використовується передова технологія розпізнавання об’єктів, щоб уникнути потрапляння забруднених фузаріозним токсином зерен пшениці в їжу. Ця ж технологія покликана допомогти науковцям у покращенні стійкості пшениці до фузаріозу та борошнистої роси
За словами Джессіки Руткоскі, доцента кафедри рослинництва Коледжу сільськогосподарських, споживчих і екологічних наук (ACES) в Іллінойсі, фузаріоз завдає великих економічних збитків у вирощуванні пшениці.
«Ця хвороба була істотним стримувальним фактором для фермерів, які вирощують пшеницю на сході США, оскільки врожай міг бути чудовим, але після того, як фермер відвозив його на елеватор на зберігання, лабораторні аналізи змушували забракувати зерно через високий уміст токсинів».
Симптоми хвороби доволі чіткі, тож цілком реально автоматично оцінювати пошкодження зерен за допомогою штучного інтелекту
Хворобу визначатимуть по фото з мобільного
Щоб підвищити стійкість рослин до будь-якої хвороби, потрібно вирощувати значну кількість генотипів певної культури, штучно уражувати їх та спостерігати за розвитком симптомів. Ті рослини, на яких симптоми не розвиваються або розвиваються меншою мірою, відбирають для подальшої селекції. Крім того, у такий спосіб дослідники намагаються ідентифікувати гени, пов’язані зі стійкістю до хвороби, а потім «вставляють» ці гени у високопродуктивні гібриди культури.
Разом із експертами зі штучного інтелекту Джессіка хотіла перевірити, чи можна кількісно оцінити ураження зерен, використовуючи фото, зроблені за допомогою мобільного телефону.
«Зазвичай ми оцінюємо ступінь ураження зерна, проводячи досліди на чашці Петрі в лабораторних умовах. Ми дивимося, як розвивається хвороба на зернах, щоб дати суб’єктивну оцінку розвитку гриба. Це виснажлива робота, для її виконання потрібен спеціально навчений персонал. Але ж можна піти іншим шляхом. Оскільки симптоми хвороби доволі чіткі, цілком реально автоматично оцінювати пошкодження зерен за допомогою штучного інтелекту. Завдяки цьому фенотипування можна прискорити», - говорить Джессіка.
Алгоритми були навчені виявляти зерна навіть із незначними ушкодженнями
Система працює з точністю 60%
Команда протестувала роботу машинного алгоритму. Він здатен виявити рівень ураження фузаріозним токсином під назвою дезоксиніваленол (ДОН) краще, ніж польові системи, які базуються на аналізі симптомів хвороби. Чим більше зовнішніх ознак ураження зерна фузаріозом, тим більший уміст у ньому ДОН. Алгоритми були навчені виявляти зерна навіть із незначними ушкодженнями з великою точністю за допомогою лише кількох зображень.
Однак якщо порівнювати результати роботи алгоритму і результати, які отримують під час аналізу ураженого зерна в лабораторіях, то точність технології становила лише 60%.
Проте дослідники не втрачають надії вдосконалити створений алгоритм, адже початкові тести використовували незначну кількість фотозразків для навчання штучного інтелекту. Нині вони додають в базу фотозразки і сподіваються в такий спосіб досягти більшої точності за допомогою додаткових налаштувань.
Джессіка Руткоскі вирішила створити автоматичну систему оцінки ураження пшениці фузаріозом
Джессіка Руткоскі говорить, що кінцевою метою новою програми є створення онлайн-платформи, на яку селекціонери, такі як вона сама, могли б завантажувати фото зерна, зроблені мобільним телефоном, для автоматичного підрахунку ураження фузаріозом.