科学家正在教计算机以诊断大豆压力

爱荷华州立大学的科学家们正在朝着一个未来迈进，农民可以使用无人驾驶飞机来发现甚至预测农作物中的疾病和压力。他们的愿景依赖于机器学习，这是一种自动化过程，其中的技术可以帮助农民更有效地应对植物压力。

农学兼职助理教授阿蒂·辛格(Arti Singh)领导着一个多学科研究团队，该团队最近获得了美国农业部国立食品与农业研究所的三年拨款499,845美元，以开发可以使能力自动化的机器学习技术农民诊断出大豆的一系列主要压力。正在开发的技术将利用安装在无人机或无人机上的摄像机来收集大豆田的鸟瞰图像。一个计算机应用程序会自动分析图像，并提醒故障点的农民。

辛格说：“从最基本的意义上讲，机器学习就是训练机器做我们要做的事情。” “当您要教孩子什么是汽车时，您要向他们展示汽车。这是我们为训练计算机算法所做的工作，其中显示了大量有关各种大豆胁迫的图像，以识别，分类，量化和预测大豆中的胁迫。场。”

研究小组收集了大豆图像的巨大数据集，其中一些健康，一些遭受压力和疾病，然后将其标记。计算机程序遍历标记的图像，并组装可以识别新图像中压力的算法。辛格说，机器学习程序可能能够发现各种常见的大豆胁迫，包括真菌，细菌和病毒性疾病，以及营养缺乏和除草剂伤害。

她说，使用高光谱成像技术或捕获超出人眼可见波长范围的摄像机，可以使该技术在症状出现之前就预测压力的存在，从而给农民提供更多的时间来解决该问题。

Singh对机器学习的着迷始于2014年，当时她参加了ISU植物科学研究所举办的主题研讨会。她立即​​认为该技术为植物育种和植物病理学带来了希望，但是对学术文献的调查显示，该领域的大部分工作来自工程学科，而不是植物科学。她意识到要推动农业领域的发展，需要更多的合作。

她说：“我们也需要包括植物科学家。” “否则，我们将有从事植物科学问题的工程师。各学科之间的协作才使之成为可能。”

她帮助组建了一个跨学科团队，创建了一个应用程序，智能手机用户可以使用该应用程序为大豆植物拍照，以确定植物是否患有铁缺乏症。现在，研究团队的目标是扩大工作范围，从原来需要手动拍摄照片以诊断单个压力的原始应用程序扩展到能够从无人机获取图像并识别压力范围的算法。

该技术的未来取决于科学家和工程师收集正确种类的数据集，然后发展分析这些数据的能力。辛格说，在赠款结束时，该团队打算完成一个使用无人机进行数据收集的最佳实践框架。这包括为无人机确定最佳图像分辨率以及最佳高度和速度。研究人员希望能够无缝集成数据收集，管理和分析，从而将其应用到农田中，以便及时检测和缓解植物胁迫。辛格说，该团队将在项目结束时将其所有发现公开发布。