ປັນຍາປະດິດ
AI-Controlled Crop Harvester ອາດຈະມີຜົນກະທົບອັນໃຫຍ່ຫຼວງຕໍ່ຄວາມຍືນຍົງດ້ານພະລັງງານ
ນັກຟີຊິກທີ່ມະຫາວິທະຍາໄລເຕັກນິກຂອງເດນມາກໄດ້ພັດທະນາເຄື່ອງເກັບກ່ຽວໝາກໄມ້ຂະໜາດນ້ອຍທີ່ສຸດໃນໂລກທີ່ຄວບຄຸມດ້ວຍປັນຍາປະດິດ (AI) ເຊິ່ງເຮັດໃຫ້ເຄື່ອງເກັບກ່ຽວສາມາດວັດແທກໄດ້ພຽງແຕ່ສອງສາມໄມຄຣອນ.
Kaare Hartvig Jensen, ຮອງສາດສະດາຈານຢູ່ DTU Physics, ກໍານົດເພື່ອຫຼຸດຜ່ອນຄວາມຕ້ອງການສໍາລັບການຂຸດຄົ້ນ, ການຂົນສົ່ງ, ແລະການປຸງແຕ່ງພືດສໍາລັບການຜະລິດນໍ້າມັນເຊື້ອໄຟຊີວະພາບ, ຢາ, ແລະຜະລິດຕະພັນອື່ນໆ. ສານທີ່ສະກັດອອກມາແມ່ນເອີ້ນວ່າ metabolites ຂອງພືດ, ແລະວິທີການໃຫມ່ກໍາຈັດຄວາມຕ້ອງການຂອງຂະບວນການທາງເຄມີແລະກົນຈັກ.
ການຄົ້ນຄ້ວາດັ່ງກ່າວໄດ້ລົງພິມໃນ Plant physiology.
Metabolites ຂອງພືດ
ສານເມຕາໂບໄລຂອງພືດມີສານເຄມີທີ່ສຳຄັນຫຼາຍຊະນິດ, ແລະຢາທີ່ຄ້າຍຄືກັບຢາມາເລເລຍ artemisinin ມີຄຸນສົມບັດປິ່ນປົວ. ອື່ນໆເຊັ່ນຢາງທໍາມະຊາດຫຼືນໍ້າມັນເຊື້ອໄຟຊີວະພາບຈາກນ້ໍາຕົ້ນໄມ້ມີຄຸນສົມບັດກົນຈັກ.
metabolites ຂອງພືດສ່ວນໃຫຍ່ຖືກແຍກຢູ່ໃນແຕ່ລະຈຸລັງ, ແລະວິທີການສະກັດເອົາ metabolites ແມ່ນສໍາຄັນເພາະວ່າຂັ້ນຕອນຜົນກະທົບຕໍ່ຄວາມບໍລິສຸດແລະຜົນຜະລິດ. ຂັ້ນຕອນການສະກັດເອົາປະກອບດ້ວຍການຂັດ, ການບີບອັດ, ແລະການປິ່ນປົວດ້ວຍທາງເຄມີໂດຍໃຊ້ສານລະລາຍ, ເຊິ່ງກໍ່ໃຫ້ເກີດມົນລະພິດທີ່ນໍາໄປສູ່ຄ່າໃຊ້ຈ່າຍໃນການປຸງແຕ່ງທາງດ້ານການເງິນແລະສິ່ງແວດລ້ອມສູງ.
"ສານທັງ ໝົດ ແມ່ນຜະລິດແລະເກັບຮັກສາໄວ້ໃນຈຸລັງແຕ່ລະຊະນິດໃນພືດ. ນັ້ນແມ່ນບ່ອນທີ່ທ່ານຕ້ອງເຂົ້າໄປໃນຖ້າທ່ານຕ້ອງການວັດສະດຸທີ່ບໍລິສຸດ. ເມື່ອທ່ານເກັບກ່ຽວທັງຕົ້ນ ຫຼື ແຍກໝາກອອກຈາກງ່າ, ເຈົ້າຍັງເກັບກ່ຽວເນື້ອເຍື່ອທັງໝົດທີ່ບໍ່ມີສານທີ່ເຈົ້າສົນໃຈ,” Kaare Hartvig Jensen ເວົ້າ.
“ສະນັ້ນມີສອງທັດສະນະຂອງມັນ. ຖ້າທ່ານຕ້ອງການສະກັດສານບໍລິສຸດ, ທ່ານຈໍາເປັນຕ້ອງເຮັດມັນໂດຍຈຸລັງ. ແລະໃນເວລາທີ່ທ່ານສາມາດເຮັດໄດ້, ດັ່ງທີ່ພວກເຮົາໄດ້ສະແດງໃຫ້ເຫັນ, ທ່ານບໍ່ຈໍາເປັນຕ້ອງເກັບກ່ຽວພືດ. ຫຼັງຈາກນັ້ນ, ທ່ານສາມາດເອົາຫຸ່ນຍົນນ້ອຍໃສ່ແລະມັນສາມາດເຮັດວຽກໄດ້ໂດຍບໍ່ມີການທໍາລາຍພືດ,” Kaare ກ່າວຕໍ່ໄປ.
ໃນປັດຈຸບັນ, ເຄື່ອງເກັບກ່ຽວແມ່ນຖືກນໍາໃຊ້ກັບພືດແລະໃບ, ແຕ່ທີມງານເຫັນວ່າມັນເຮັດວຽກໃນຂະຫນາດໃຫຍ່ໃນອະນາຄົດ. ຖ້າຫາກວ່າທຸກສິ່ງທຸກຢ່າງເປັນໄປໄດ້ຕາມແຜນການ, ວິທີການໃໝ່ສາມາດສ້າງແຫຼ່ງຊີວະມວນໃໝ່ ແລະສ້າງພື້ນທີ່ໃໝ່ແຫ່ງການຜະລິດພະລັງງານແບບຍືນຍົງ.
ຄໍາຮ້ອງສະຫມັກທີ່ມີທ່າແຮງໃນອະນາຄົດອາດຈະເປັນການນໍາໃຊ້ເຕັກໂນໂລຢີເພື່ອປາດພະລັງງານຈາກຕົ້ນໄມ້.
"ໃນປ່າຂອງພາກເຫນືອຂອງການາດາແລະລັດເຊຍ, ມີປ່າ spruce ມີປະມານ 740 ຕື້ຕົ້ນໄມ້ທີ່ບໍ່ໄດ້ຮັບການແຕະຕ້ອງຢ່າງສົມບູນ. ນັ້ນແມ່ນປະມານ 25% ຂອງຈໍານວນຕົ້ນໄມ້ທັງຫມົດໃນໂລກ. ໂດຍການພັດທະນາເທກໂນໂລຍີນີ້, ພວກເຮົາສາມາດປາດຕົ້ນໄມ້ສໍາລັບ້ໍາຕານແລະເຮັດນໍ້າມັນເຊື້ອໄຟຊີວະພາບໂດຍບໍ່ມີການຕັດຫຼືທໍາລາຍຕົ້ນໄມ້,” Kaare ອະທິບາຍ.
ເຄື່ອງເກັບກ່ຽວຊອກຫາຈຸລັງໃນຫມາກໄມ້ແລະໃບທີ່ມີເສັ້ນຜ່າກາງ 100 microns, ແລະດ້ານເທິງຂອງເຂັມມີເສັ້ນຜ່າກາງປະມານ 10 microns.
Magnus Valdemar Paludan ເປັນນັກສຶກສາປະລິນຍາເອກຂອງ DTU Physics ຜູ້ທີ່ສ້າງລະບົບການວິເຄາະຮູບພາບ, ການຮັບຮູ້ຮູບພາບແລະການຄວບຄຸມຫຸ່ນຍົນ.
“ມັນສຳເລັດທັງໝົດດ້ວຍກ້ອງຈຸລະທັດ. ເພື່ອເລີ່ມຕົ້ນດ້ວຍ, ຂ້າພະເຈົ້າໄດ້ຫມາຍ pixels ດ້ວຍຕົນເອງໃນຮູບພາບກ້ອງຈຸລະທັດສະແດງໃຫ້ເຫັນຈຸລັງທີ່ຫຸ່ນຍົນຈະເກັບກ່ຽວ. ຂໍ້ມູນນັ້ນສາມາດຖືກນໍາໃຊ້ເພື່ອຝຶກອົບຮົມຄອມພິວເຕີເພື່ອຊອກຫາຈຸລັງທີ່ຄ້າຍຄືກັນໃນຮູບພາບໃຫມ່, "Magnus ເວົ້າ.
ການຮຽນຮູ້ AI ແລະ Machine
ເທັກໂນໂລຢີໃໝ່ແມ່ນອີງໃສ່ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະເຄືອຂ່າຍ neural ທີ່ມີຢູ່ກ່ອນໜ້າຂອງ GoogLeNet. ເຄືອຂ່າຍສາມາດຮັບຮູ້ໂຄງສ້າງກ້ອງຈຸລະທັດແລະປະຕິບັດການວິເຄາະຮູບພາບຂັ້ນສູງ.
"ພວກເຮົາໄດ້ໃຊ້ເຕັກນິກທີ່ເອີ້ນວ່າການຮຽນຮູ້ການໂອນ, ບ່ອນທີ່ທ່ານໃຊ້ຄວາມສາມາດຂອງເຄືອຂ່າຍ neural ທີ່ມີຢູ່ແລ້ວເພື່ອຮັບຮູ້ວັດຖຸທີ່ແຕກຕ່າງກັນໃນຮູບພາບ. ໂດຍການສະແດງຄອມພິວເຕີຂອງຮູບພາບໃຫມ່ຈໍານວນຫນຶ່ງທີ່ມີຈຸລັງທີ່ມີເຄື່ອງຫມາຍດ້ວຍຕົນເອງ, ພວກເຮົາປະສົບຜົນສໍາເລັດໃນການປັບຕົວກໍານົດການຂອງເຄືອຂ່າຍດັ່ງນັ້ນມັນຈື່ຈໍາຈຸລັງທີ່ອຸດົມສົມບູນຂອງ metabolite ກ້ອງຈຸລະທັດ, "Magnus ເວົ້າ.
“ຫຼັງຈາກນັ້ນ, ຜູ້ເກັບກ່ຽວສາມາດເຂົ້າໄປໃນແລະຖ່າຍຮູບໃບດ້ວຍກ້ອງຖ່າຍຮູບກ້ອງຈຸລະທັດ, ແລ່ນມັນຜ່ານຊອບແວ, ແລະຮັບຮູ້ຈຸລັງທີ່ມັນຕ້ອງການເກັບກ່ຽວ. ຕໍ່ໄປ, ມັນສາມາດສະກັດສານເຄມີໂດຍອັດຕະໂນມັດໂດຍໃຊ້ microrobot, ໃນຂະນະທີ່ສ່ວນທີ່ເຫຼືອຂອງພືດຍັງບໍ່ໄດ້ຮັບການລົບກວນ,” Magnus ອະທິບາຍ.