Ученые Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE) и лаборатории Цифрового сельского хозяйства Сколтеха совместно с Немецким аэрокосмическим центром DLR разработали систему искусственного интеллекта, позволяющую обрабатывать изображениями, получаемые в автономных теплицах, контролировать рост растений и автоматизировать процесс выращивания. Результаты исследования опубликованы в журнале IEEE Sensors.
Современные технологии давно стали неотъемлемой частью обыденной жизни, затронув все сферы жизни человека на Земле. И вот перед человечеством стоит новый вызов — покорение новых планет. Поскольку теплица будет единственным источником свежей пищи для экипажа космического корабля и поселенцев на красной планете, разработка технологий, основанных на искусственном интеллекте и машинном зрении для автоматизации процессов выращивания растений, является приоритетной задачей исследований. Тестовая площадка для разработки и апробирования высокотехнологичных систем жизнеобеспечения уже существует. На сегодняшний день функционирует один автономный модуль для культивации растений, расположенный на Антарктической станции Неймаер 3 вблизи Южного полюса. Главная задача учёных – создание системы искусственного интеллекта, которая могла бы собирать информацию о всех факторах, необходимых для роста растений, состоянии саженцев и управлять теплицей в автономном режиме без участия человека.
«Поддержание бесперебойной связи со станцией Неймаер 3 невозможно, а обучение моделей компьютерного зрения на борту слишком ресурсозатратно, поэтому перед нами встала задача отправления потока фотографий выращиваемых растений для обработки и анализа данных на внешних серверах», – поясняет аспирант Сколтеха Сергей Нестерук.
Итогом работы исследователей из Сколтеха стало применение нового подхода к работе с изображениями, собираемыми на удалённых автоматизированных системах, с помощью свёрточных нейронных сетей, позволяющего уменьшать размер фотографии без видимой потери качества более чем в 7 раз по сравнению с популярными кодеками. Из информации, полученной из восстановленных изображений, был обучен алгоритм компьютерного зрения, способный классифицировать 18 сортов растений на разных стадиях развития по видам с точностью 92%. Такой подход позволяет не только визуально контролировать процесс работы системы, но и непрерывно собирать новые данные для обучения моделей машинного обучения, чтобы расширять их функционал.
Разработанные системы планируется установить и протестировать непосредственно на станции, что послужит важным шагом на пути к автоматизации модулей для выращивания растений. А это значит, что в ближайшее время одним барьером на пути к покорению Марса станет меньше.