Исследователи разработали программу на базе смартфона, которая может автоматически обнаруживать болезни у самой распространенной корнеплодной культуры на Земле
Искуственный интелект — это мощная технология, которая обещает изменить саму природу труда, неизбежно приводя к автоматизации некоторых рабочих мест «белых воротничков». Однако, ИИ также обещает сделать человеческий труд более умным и эффективным, даже такой традиционный, как мелкое фермерство. Для этого исследователи разработали программу на базе смартфона, которая может автоматически определять заболевания растения маниока — самой распространенной корнеплодной культуры на Земле — с точностью почти 100%. Это взгляд в будущее, в котором фермеры в развивающихся странах обменяют опыт горстки специалистов на все более вездесущие и мощные технологии.
Самое впечатляющее в этой технологии то, что нейронная сеть, которая ее поддерживает, работает полностью на смартфоне, не требуя облачных вычислений или огромных процессоров, о чем исследователи подробно рассказывают в препринте, который будет опубликован в журнале Frontiers in Plant Science. Это произошло благодаря TensorFlow, библиотеке машинного обучения с открытым исходным кодом от Google, которая дала начало Inception v3, уменьшенной сети. «Некоторые нейронные сети требуют сотни миллионов параметров, и размер файла, необходимого для их хранения, превышает возможности приложения», — говорит Пит Уорден из Google, технический руководитель TensorFlow Mobile. «В этой сети всего около 25 миллионов».
При этом она не требует и близко такой вычислительной мощности. «Для вычисления результата ей требуется около 11 миллиардов операций с плавающей запятой, — добавляет Уорден, — а некоторым другим сетям для выполнения аналогичной работы требуются сотни миллиардов операций».
Итак, если вы хотите обучить нейронную сеть распознавать определенные объекты, будь то кошки, собаки или стулья, вам придется скормить ей миллионы и миллионы изображений. Это, конечно, хлопотно, и ни у кого нет миллионов и миллионов изображений больных листьев маниоки. Но есть причудливый трюк, называемый трансфертным обучением. «К счастью, оказалось, что сети, обученные распознавать определенные виды объектов, можно научить распознавать другие вещи с гораздо меньшим объемом данных, и именно в этом заключается идея трансфертного обучения», — говорит Уорден.
Ученые загрузили в программу до 2 756 изображений листьев маниоки прямо с поля в Танзании, а затем обучить систему распознавать повреждения от таких болезней, как бурая полосатость маниоки и мозаичная болезнь маниоки, а также от клещей. В итоге, ИИ смог определить бурую пятнистость листьев с точностью 98 процентов, а красных клещей — с точностью 96 процентов.
Искуственный интелект — это мощная технология, которая обещает изменить саму природу труда, неизбежно приводя к автоматизации некоторых рабочих мест «белых воротничков». Однако, ИИ также обещает сделать человеческий труд более умным и эффективным, даже такой традиционный, как мелкое фермерство. Для этого исследователи разработали программу на базе смартфона, которая может автоматически определять заболевания растения маниока — самой распространенной корнеплодной культуры на Земле — с точностью почти 100%. Это взгляд в будущее, в котором фермеры в развивающихся странах обменяют опыт горстки специалистов на все более вездесущие и мощные технологии.
Самое впечатляющее в этой технологии то, что нейронная сеть, которая ее поддерживает, работает полностью на смартфоне, не требуя облачных вычислений или огромных процессоров, о чем исследователи подробно рассказывают в препринте, который будет опубликован в журнале Frontiers in Plant Science. Это произошло благодаря TensorFlow, библиотеке машинного обучения с открытым исходным кодом от Google, которая дала начало Inception v3, уменьшенной сети. «Некоторые нейронные сети требуют сотни миллионов параметров, и размер файла, необходимого для их хранения, превышает возможности приложения», — говорит Пит Уорден из Google, технический руководитель TensorFlow Mobile. «В этой сети всего около 25 миллионов».
При этом она не требует и близко такой вычислительной мощности. «Для вычисления результата ей требуется около 11 миллиардов операций с плавающей запятой, — добавляет Уорден, — а некоторым другим сетям для выполнения аналогичной работы требуются сотни миллиардов операций».
Итак, если вы хотите обучить нейронную сеть распознавать определенные объекты, будь то кошки, собаки или стулья, вам придется скормить ей миллионы и миллионы изображений. Это, конечно, хлопотно, и ни у кого нет миллионов и миллионов изображений больных листьев маниоки. Но есть причудливый трюк, называемый трансфертным обучением. «К счастью, оказалось, что сети, обученные распознавать определенные виды объектов, можно научить распознавать другие вещи с гораздо меньшим объемом данных, и именно в этом заключается идея трансфертного обучения», — говорит Уорден.
Ученые загрузили в программу до 2 756 изображений листьев маниоки прямо с поля в Танзании, а затем обучить систему распознавать повреждения от таких болезней, как бурая полосатость маниоки и мозаичная болезнь маниоки, а также от клещей. В итоге, ИИ смог определить бурую пятнистость листьев с точностью 98 процентов, а красных клещей — с точностью 96 процентов.