Cumartesi , Eylül 25 2021
Ana Sayfa / Tarım ve Hayvancılık / Makine Öğrenmesi Yoluyla Ürün Islahı

Makine Öğrenmesi Yoluyla Ürün Islahı

Gıda arzının sürdürülebilir olabilmesi için seçici yetiştirme yoluyla elit mahsul çeşitlerinin türetilmesi önemlidir. Bu çeşitlerin doğru ve etkin tanımlanarak çeşitlendirilmesi doğru modelleme ve değerlendirmelerle mümkün olabilmektedir.

Tohumların şekli de, mahsullerin kalitesi ve verimi ile yakından bağlantılı bir özelliktir ve seçici ıslah yapılırken dikkate alınan önemli bir faktördür. Nagoya Üniversitesi Dönüşebilir Biyo-Moleküller Enstitüsünden (WPI-ITbM) Yosuke Toda ve Osaka Üniversitesi Bilimsel ve Endüstriyel Araştırmalar Enstitüsü’nden Fumio Okura liderliğindeki bilim ekibi, tek bir görüntüden çok sayıda tohumun şeklini analiz etmek için görüntü analizi ve yapay zeka (AI) kullanan bir sistem geliştirmeyi başardılar.

Foto: Thinkstock
Foto: Thinkstock

Derin öğrenme tekniklerinin kullanıldığı bu çalışmada, eğitim verisi için özel bir eğitim modeli tanımlandı. Derin öğrenmenin etkin kullanımının doğru eğitim verileriyle paralellik gösterdiği bilinmektedir. Genellikle, eğitim verileri elle, örneğin görüntülerdeki her nesneyi farklı renklerle etiketleyerek hazırlanır. Bununla birlikte, sayıları çok büyük olan tohumlar gibi nesneler için, eğitim verilerinin oluşturulması çok zaman alır (örneğin, her tohum çeşidi için yüzlerce tohumu 10 veya 100s görüntü için ayrı ayrı renklendirmek zorunda kalır). Bu nedenle, farklı çeşitlerin veya türlerin tohum şekillerini hızlı ve basit bir şekilde analiz edebilen bir makine öğrenme modeli oluşturmak önem arz etmektedir.

Toda’nın araştırma grubu, makine öğrenme modelini etkili bir şekilde eğitmek için sadece az sayıda tohumdan çok sayıda eğitim verisi oluşturmayı başardı. Sanal bir tuval üzerinde rastgele arpa tohumu görüntülerini sentezleyerek, makine öğrenimi (derin öğrenme) için kullanılacak bir eğitim veri seti oluşturdu. Sadece sentezlenmiş verileri kullanan eğitimli bir model, tıpkı manuel olarak tohumları tek tek tespit edebilen mevcut yöntem gibi, farklı arpa çeşitlerinin görüntülerinden incelenen tohumları gruplayarak analiz edebildi.

Çalışma, aynı yöntemin pirinç, buğday, yulaf ve marul gibi çeşitli farklı ürünlerin tohumlarını ölçmek için kolayca kullanılabileceğini gösterdi. Sadece çeşitli bir değerlendirmenin ötesinde, bu çalışmanın daha önce insan gözü tarafından gözlemlenmeyen tohumların özelliklerini ortaya çıkararak bitki bilimi alanına da katkıda bulunması beklenmekte.

Bu çalışmada kullanılan sentetik eğitim verilerinin üretilme yöntemi, farklı uygulamalar için de kullanılabileceği öngörülmekte. Ayrıca bu araştırma temelinde, tohum analizinin ötesine geçmenin ve çeşitli bitki fenotiplerinin ölçümü için bir makine öğrenme modelinin geliştirilmesinin mümkün olacağı düşünülmekte.

Kaynak: farmtario.com

Bir Cevap Yazın

E-posta hesabınız yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Copy Protected by Chetans WP-Copyprotect.