Оценка питательности семенных смесей с помощью ИИ улучшает устойчивые методы земледелия

Выращивание семенных смесей для местных пастбищ — это старый метод получения экономичного и сбалансированного корма для животных, повышающий автономию сельского хозяйства и его экологичность в соответствии с европейскими нормами и спросом на органическую продукцию. Однако фермеры сталкиваются с трудностями из-за неодновременного созревания злаков и бобовых и сложности оценки питательной ценности разнородных семян.

В ноябре 2023 года журнал Plant Phenomics опубликовал исследование, в котором представлен новый подход с использованием искусственного интеллекта для оценки питательной ценности собранных семенных смесей.

Для обучения двух моделей глубокого обучения — сверточных нейронных сетей (CNN) и Vision Transformers (ViT) — был создан набор из 4749 изображений, охватывающих 11 сортов семян. Результаты значительно favored модель на основе ViT — BeiT, которая превзошла CNN по всем метрикам, включая среднюю абсолютную ошибку (MAE) всего 0.0383 и коэффициент детерминации (R²) 0.91.

Анализ по типам семян показал различную производительность: модели в целом хорошо распознавали ячмень, люпин, рожь, полбу и пшеницу, но испытывали трудности с викой и овсом. Агрегация предсказаний по нескольким изображениям одной смеси значительно повысила надежность и точность.

Исследование завершилось разработкой открытого веб-компонента «ESTI'METEIL», который позволяет пользователям оценивать состав семян и их питательную ценность по изображениям.

В будущей работе планируется улучшить баланс данных и изучить генерацию синтетических изображений для дальнейшего повышения производительности модели и практической применимости.