Snart kan kunstig intelligens jobbe sammen med mennesker for å dyrke frem det perfekte jordbæret.
Forskere ved Western University har utviklet et AI-system som kan forandre hvordan vi dyrker en av verdens favorittfrukter - jordbæret - med potensielle ringvirkninger for hele landbrukssektoren.
Og nei, dette er ikke relatert til OpenAI's o1-modelltidligere kodenavnet "Project Strawberry".
Den studiesom er publisert i tidsskriftet Foods, viser et bemerkelsesverdig sprang fremover innen jordbruksteknologi.
Ved hjelp av avanserte maskinlæringsteknikker har teamet skapt et system som kan oppdage modenhet og sykdommer i jordbær med nesten 99% nøyaktighet - alt gjennom enkel kameraovervåking.
"Vi ønsket å redusere størrelsen på disse AI-modellene for å gjøre dem gjennomførbare for bønder og lokal produksjon", sier Joshua Pearce, John M. Thompson Chair in Information Technology and Innovation ved Western Engineering and Ivey Business School.
"Vi ønsket ikke bare å øke nøyaktigheten, som er over 98%, men også å redusere størrelsen på modellene."
Det som skiller denne forskningen fra andre, er fokuset på tilgjengelighet. I motsetning til mange høyteknologiske landbruksløsninger som er rettet mot stordrift, har Pearce og hans kollega Soodeh Nikan utviklet systemet med tanke på små og mellomstore gårder.
Teamets metodikk kombinerte innovative AI-teknikker med praktisk landbrukskunnskap:
- De startet med å samle inn ulike sett med bilder av jordbær, inkludert friske frukter og de som var rammet av ulike sykdommer.
- Disse bildene ble deretter behandlet og utvidet for å skape et robust treningsdatasett.
- Forskerne finjusterte tre ulike AI-modeller - Vision Transformer, MobileNetV2 og ResNet18 - som hver for seg har sine unike styrker.
- For å sikre at den kunstige intelligensen kunne håndtere variasjoner i den virkelige verden, tok de i bruk teknikker som klassevekting og generering av syntetiske bilder.
- Det kanskje mest avgjørende var at de integrerte "oppmerksomhetsmekanismer" i modellene, slik at den kunstige intelligensen kunne fokusere på de mest relevante delene av hvert bilde.
Systemet utmerker seg med to hovedoppgaver:
- Deteksjon av modenhet: Den kan klassifisere jordbær som modne eller umodne, noe som hjelper bøndene med å optimalisere høstetidspunktet.
- Identifisering av sykdommer: AI-en kan oppdage og identifisere sju forskjellige typer jordbærsykdommer: kantete bladflekker, antraknose, fruktråte, blomsterråte, gråskimmel, bladflekker, meldugg på frukt og meldugg på blad.
Resultatene taler for seg selv. Med en nøyaktighetsgrad på rundt 98% overgår systemet tidligere forsøk på automatisert overvåking av jordbær med god margin.
Implikasjonene av denne forskningen strekker seg imidlertid langt utover bare å forbedre avlingene av jordbær.
Potensialet for å redusere matsvinnet er også åpenbart. Ifølge FNs organisasjon for ernæring og landbruk, omtrent 14% av maten som produseres, går tapt mellom innhøsting og utsalg.
Teknologier som dette AI-systemet kan bidra til å løse dette problemet ved å optimalisere innhøstingstidspunktet og redusere tap på grunn av sykdom eller overmodenhet.
"Å redusere matsvinnet og matkostnadene er åpenbart et stort tema i disse dager. Som alle andre blir jeg alltid overrasket når jeg går i butikken og ser prisen på fersk frukt og grønnsaker", sier Nikan.
"Når jeg velger prosjekter, ser jeg vanligvis etter noe som er sikkerhetskritisk eller et samfunnsbehov. Med min erfaring fra andre bruksområder grep jeg sjansen til å bruke kunnskapen og ekspertisen min på matsikkerhet."
Fremover planlegger teamet allerede å teste systemet i utendørs omgivelser, og potensielt bruke droner til mer omfattende feltovervåking.
De utforsker også bruken av AI-genererte syntetiske bilder for å redusere databehovet for å trene opp effektive modeller ytterligere.
"I stedet for å ta bilder av millioner av jordbær, noe som er en lite effektiv og kostbar metode, bruker vi syntetiske bilder og programvare med åpen kildekode til å lage millioner av bilder selv, med relativt lav datakraft, noe som nå gjør det mulig for oss å finne svært detaljerte observasjoner om modenhet og sykdom for helt spesifikke planter", sier Nikan.
Pearce legger til: "Programvaren er helt gratis og har åpen kildekode, og bønder av alle typer kan laste den ned og tilpasse den til sine behov. De kan for eksempel velge å få AI-systemet til å sende dem en e-post eller et ping på telefonen når de oppdager en sykdom, eller til og med videresende et bilde av en bestemt plante som er klar til å plukkes. Programvaren er helt åpen for å gjøre den til din egen."
