Штучний інтелект навчили визначати зони ефективної сільськогосподарської діяльності

Бразильські науковці натренували штучний інтелект аналізувати супутникові знімки, на яких видно зони, де ефективно поєднуються рослинництво та скотарство. Остання концепція вважається революційною і потенційно може забезпечити стабільний розвиток агропромисловості. Але вчені хочуть знати, наскільки ця ідея справді ефективна.

Штучний інтелект аналізує стан сільського господарства за супутниковими знімками
Штучний інтелект аналізує стан сільського господарства за супутниковими знімками. Джерело: Inácio Thomaz Bueno

Комплексна система сільськогосподарської діяльності

Бразильські вчені опублікували цікаву роботу в галузі супутникового агромоніторингу. Апарати на орбіті вже достатньо давно використовуються для того, аби оцінювати стан сільськогосподарських угідь. Однак у новому дослідженні їх використали для спостереження за тими територіями, на яких реалізується система інтеграції рослинництва та тваринництва.

Система інтеграції рослинництва та тваринництва (CLI) — це нова перспективна технологія, яка здатна змінити сільське господарство, хоча насправді ідеї, що лежать в її основі, надзвичайно давні. Вони полягають у складному чергуванні вирощування агрокультур із розведенням худоби, переважно корів та свиней.

Річ у тім, що вирощування сої, кукурудзи та інших подібних культур, за умови високих врожаїв, значно прибутковіше за тваринництво. Однак цей врожай насправді вкрай нестабільний, зокрема і через самі рослини, які сильно виснажують землю.

З іншого боку, тваринництво все одно потребує усього переліченого. До того ж заміна засіювання на один сезон випасанням худоби сприяє рекультивації земель. Для усього цього придумані складні сучасні математичні моделі, й на експериментальних ділянках вони себе добре показали.

Штучний інтелект та комп’ютерні знімки

Проте треба ще зрозуміти, як нова технологія показує себе при масовому використанні й у різних умовах. Агропромисловців, які пробують її з кожним роком, стає все більше, і спостерігати за їхніми результатами на Землі практично неможливо.

І саме тут залучають супутники. Для того, аби відстежувати стан полів, їх використовують вже не один рік. Проблема лише в тому, щоб серед великої кількості зображень знайти саме ті ділянки, які використовуються за програмою інтеграції рослинництва та тваринництва.

Вручну це зробити було б неможливо, але є рішення — нейромережі. Тож бразильським вченим залишалося лише навчити штучний інтелект на готових розшифрованих знімках. Зрештою, він навчився не тільки відрізняти необхідні ділянки, а й оцінювати їхній стан.

Місцем дослідження були території у штатах Сан-Паулу і Мату-Гросу. Об’єктний аналіз зображень проводився з інтервалами в 10 і 15 днів у чотири етапи: отримання даних CLI через Planetscope, групу супутників, які фіксують зображення поверхні Землі з високою роздільною здатністю, показуючи зміни в областях із часом; навчання алгоритмів для розпізнавання шаблонів, пов’язаних із CLI; відображення областей CLI; оцінка точності моделі шляхом порівняння автоматичних результатів із попередніми даними.

За матеріалами phys.org

Тільки найцікавіші новини та факти в нашому Telegram-каналі!

Приєднуйтесь: https://t.me/ustmagazine

Космічні пригоди незалежної України: 7 найкращих письменників-фантастів
Ухилилася від кулі: запуск ракети Vulcan мало не завершився аварією
James Webb розкрив хімічну загадку на супутнику Плутона
Залишені на Землі астронавти Crew-9 засмутилися поступкою своїх місць екіпажу Starliner
Екзоастероїди: астроентузіасти допоможуть знайти залишки планетних систем біля мертвих зір
Астрономи відкрили потрійну систему з рекордно малим періодом обертання
Астероїди можуть стати їжею в майбутніх міжпланетних місіях
На Сонці стався найпотужніший спалах цього циклу
Космічна рулетка: чи переживе комета C/2024 S1 (ATLAS) зустріч із Сонцем
Вчені відкрили супернептун