AI kan snart arbejde sammen med mennesker om at dyrke det perfekte jordbær.
Forskere ved Western University har udviklet et AI-system, der lover at ændre den måde, vi dyrker en af verdens yndlingsfrugter på - jordbærret - med potentielle afsmittende virkninger på hele landbrugssektoren.
Og nej, det er ikke relateret til OpenAI's o1-modelsom tidligere havde kodenavnet "Project Strawberry".
Den undersøgelsesom er offentliggjort i tidsskriftet Foods, viser et bemærkelsesværdigt spring fremad inden for landbrugsteknologi.
Ved hjælp af avancerede maskinlæringsteknikker har teamet skabt et system, der er i stand til at opdage jordbærs modenhed og sygdomme med næsten 99% nøjagtighed - alt sammen gennem simpel kameraovervågning.
"Vi ønskede at reducere størrelsen på disse AI-modeller for at gøre det muligt for landmænd og lokal produktion", siger Joshua Pearce, John M. Thompson Chair in Information Technology and Innovation ved Western Engineering and Ivey Business School.
"Vi ville ikke bare øge nøjagtigheden, som er over 98%, men også reducere modellernes størrelse."
Det, der adskiller denne forskning fra andre, er dens fokus på tilgængelighed. I modsætning til mange højteknologiske landbrugsløsninger, der henvender sig til store bedrifter, har Pearce og hans kollega Soodeh Nikan designet deres system med små og mellemstore landbrug i tankerne.
Teamets metode kombinerede innovative AI-teknikker med praktisk landbrugsviden:
- De startede med at indsamle forskellige sæt af jordbærbilleder, herunder sunde frugter og dem, der var ramt af forskellige sygdomme.
- Disse billeder blev derefter behandlet og udvidet for at skabe et robust træningsdatasæt.
- Forskerne finjusterede tre forskellige AI-modeller - Vision Transformer, MobileNetV2 og ResNet18 - som hver især havde unikke styrker til opgaven.
- For at sikre, at AI'en kunne håndtere variationer i den virkelige verden, indarbejdede de teknikker som klassevægtning og generering af syntetiske billeder.
- Måske er det mest afgørende, at de integrerede "opmærksomhedsmekanismer" i modellerne, så den kunstige intelligens kunne fokusere på de mest relevante dele af hvert billede.
Systemet udmærker sig ved to primære opgaver:
- Registrering af modenhed: Den kan nøjagtigt klassificere jordbær som modne eller umodne og hjælpe landmænd med at optimere høsttidspunktet.
- Identifikation af sygdomme: AI'en kan opdage og identificere syv forskellige typer jordbærsygdomme: kantet bladplet, antracnose-frugtråd, blomstersyge, gråskimmel, bladplet, meldug på frugt og meldug på blad.
Resultaterne taler for sig selv. Med en nøjagtighed på omkring 98% overgår systemet tidligere forsøg på automatiseret overvågning af jordbær med en stor margin.
Men konsekvenserne af denne forskning rækker langt ud over blot at forbedre udbyttet af jordbær.
Potentialet for at reducere madspild er også tydeligt. Ifølge FN's fødevare- og landbrugsorganisation, cirka 14% af de producerede fødevarer går tabt mellem høst og detailhandel.
Teknologier som dette AI-system kan hjælpe med at løse dette problem ved at optimere høsttidspunktet og reducere tab på grund af sygdom eller overmodenhed.
"At reducere spild og prisen på fødevarer er tydeligvis et stort emne i dag. Som alle andre bliver jeg altid overrasket, når jeg går i supermarkedet og ser prisen på frisk frugt og grønt," siger Nikan.
"Når jeg vælger projekter, kigger jeg normalt efter noget, der er sikkerhedskritisk eller et samfundsmæssigt behov. Med min erfaring inden for andre områder greb jeg chancen for at anvende min viden og ekspertise på fødevaresikkerhed."
Fremadrettet planlægger teamet allerede at teste deres system i udendørs omgivelser og potentielt bruge droner til bredere feltovervågning.
De undersøger også brugen af AI-genererede syntetiske billeder for yderligere at reducere datakravene til træning af effektive modeller.
"I stedet for at tage billeder af millioner af jordbær, hvilket er en ineffektiv og dyr metode, bruger vi syntetiske billeder og open source-software til selv at skabe millioner af billeder med relativt lav computerkraft, hvilket nu gør det muligt for os at foretage meget detaljerede observationer af modenhed og sygdom for meget specifikke planter", siger Nikan.
Pearce tilføjer: "Softwaren er helt gratis og open source, og landmænd af enhver type kan frit downloade den og derefter tilpasse den til deres behov. De foretrækker måske at få AI-systemet til at sende dem en e-mail eller pinge deres telefon, når de opdager en sygdom, eller endda videresende et billede af en bestemt plante, der er klar til at blive plukket. Softwaren er helt åben, så man kan gøre den til sin egen."
