Քանի՞ առողջ լոլիկի բույս կտա սերմերից: Wageningen University & Research-ի Agro Food Robotics-ի հետազոտողները մշակել են բողբոջման ավտոմատ թեստ, որը սերմեր բուծողներին և աճեցողներին տալիս է արագ և օբյեկտիվ պատասխաններ այս հարցին՝ խնայելով ծախսերը և բարձրացնելով արդյունավետությունը:
Աճողագործները սիրում են միատեսակ բույսեր մատակարարել և հետևաբար ցանկանում են իմանալ իրենց պատվիրած սերմի որակը: Քանի՞ բույս է տալիս սերմի խմբաքանակը: Կա՞ն նմուշներ, որոնք զիջում են աճին, ունեն ոլորված ցողուն կամ բացակայող տերև: Ե՛վ սերմաբույծները, և՛ աճեցողները իրականացնում են բողբոջման փորձարկումներ:
Այս թեստերից աճեցված բույսերը գնահատվում են ձեռքով և համաձայն ընկերության սեփական չափանիշների և աճեցման մեթոդների: Օրինակ, սերմաբույծը մշակում է նույն պայմաններում ամբողջ տարին, մինչդեռ առևտրային ջերմոցներում այդ պայմանները կարող են տարբեր լինել սեզոնի համար: . «Հետևաբար, բողբոջման թեստերի արդյունքները կարող են տարբերվել միմյանցից: Սա դժվարացնում է սերմաբույծների համար համաձայնության գալ սերմի որակի վերաբերյալ, իսկ աճեցնողներին՝ ճիշտ գնահատել սածիլների արտադրությունը», - ասում է Լիդիա Մեստերսը, Agro Food Robotics-ի հետազոտող Wageningen University & Research-ում:
Նյարդային ցանցեր
Նախագծում Բույսերի ֆենոտիպավորման բարձր տեխնոլոգիական գործիքների շահագործում բուծող ընկերությունների և աճեցողների համար (2018-2021 թթ.)Wageningen University & Research-ի Agro Food Robotics-ի հետազոտողները մշակել են բողբոջման ավտոմատ, ստանդարտացված թեստ, որը վերացնում է այս խնդիրները:
«Մեր MARVIN տեսախցիկի համակարգով մենք պատրաստում ենք լոլիկի սածիլների մեծ թվով բարձր արագությամբ ֆիլմեր և դրանք կապում դասակարգման ծրագրերի հետ», - ասում է Meesters-ը: «Ծրագիրը օգտագործում է նեյրոնային ցանցեր (խորը ուսուցում), արհեստական ինտելեկտի մի ձև, որը համակարգիչներին հնարավորություն է տալիս սովորել իրենց ստացած տեղեկատվության հիման վրա: Այս դեպքում մենք պատրաստում ենք և՛ 2, և՛ եռաչափ պատկերներ»։
Ավելի լավ կանխատեսում
Ծրագրի տասնմեկ գործընկերներից մեկը Պոլ Վերբրյուգենն է՝ Warmenhuizen-ի Bejo Zaden-ի հետազոտող: «Մենք միշտ ձգտում ենք ավելի լավ կանխատեսել լոլիկի բույսերի որակը և միատեսակությունը մեր սերմերից», - բացատրում է նա:
Այդ նպատակն այժմ հասանելի է Վագենինգենի հետազոտության շնորհիվ: «Marvin տեսախցիկի համակարգն արդեն բավականին լավ է կանխատեսում բույսերի որակը», - ասում է Վերբրյուգենը: «Երբ ավելացնում եք նոր տեխնոլոգիա, ինչպիսին է արհեստական ինտելեկտը, հուսալիությունը զգալիորեն մեծանում է: Առաջին արդյունքները նաև ցույց են տալիս, որ կարևոր չէ՝ դուք հավաքում եք լոլիկի բույսերի 2-D, թե 3-D պատկերներ: «Մեզ համար հաճելի է իմանալ, քանի որ դա հաստատում է, որ Բեժո Զադենն արդեն օգտագործում է լավ համակարգ»:
Արդյունավետ աշխատել
Վերբրուգգենը նաև նշել է, որ դժվար է այլ կողմերի հետ կոնսենսուսի հասնել սերմերի որակի ճշգրիտ չափման վերաբերյալ: «Մենք այժմ միասին աշխատում ենք հատուկ պատրաստված կանխատեսող մոդելների վրա, որոնցով յուրաքանչյուր շղթայի գործընկեր կարող է պատրաստել իր մոդելը»: Եթե դա կախված է Meesters-ից, ապա այս մոդելները միայն սկիզբն են: «Որքան ժամանակակից տեխնոլոգիան ինտեգրված է ջերմոցներում, այնքան ընկերությունները ավելի արդյունավետ են դառնում»: