Gli scienziati dell'Iowa State University stanno lavorando per un futuro in cui gli agricoltori possano utilizzare velivoli senza pilota per individuare, e anche prevedere, malattie e stress nelle loro colture. La loro visione si basa sull'apprendimento automatico, un processo automatizzato in cui la tecnologia può aiutare gli agricoltori a rispondere in modo più efficiente allo stress delle piante.

Arti Singh, professore a contratto di agraria, sta guidando un gruppo di ricerca multidisciplinare che ha recentemente ricevuto un triennio, $ 499, 845 sovvenzione dell'Istituto nazionale per l'alimentazione e l'agricoltura del Dipartimento dell'agricoltura degli Stati Uniti per sviluppare una tecnologia di apprendimento automatico in grado di automatizzare la capacità degli agricoltori di diagnosticare una serie di importanti stress nei semi di soia. La tecnologia in fase di sviluppo farebbe uso di telecamere montate su veicoli aerei senza equipaggio, o UAV, per raccogliere immagini a volo d'uccello di campi di soia. Un'applicazione per computer analizzerà automaticamente le immagini e avviserà l'agricoltore in caso di problemi.

"Nella sua forma più elementare, l'apprendimento automatico consiste semplicemente nell'addestrare una macchina a fare qualcosa che facciamo noi, " ha detto Singh. "Quando vuoi insegnare a un bambino che cos'è una macchina, gli mostri le macchine. Questo è ciò che stiamo facendo per addestrare algoritmi informatici, mostrando un gran numero di immagini di vari stress della soia da identificare, classificare, quantificare e prevedere le sollecitazioni sul campo."

Il team di ricerca ha assemblato un enorme set di dati di immagini di soia, alcuni sani e altri sottoposti a stress e malattie, che poi hanno etichettato. Un programma per computer esamina le immagini etichettate e assembla algoritmi in grado di riconoscere lo stress nelle nuove immagini. Singh ha affermato che il programma di apprendimento automatico potrebbe essere in grado di individuare un'ampia gamma di stress comuni della soia, compresi i funghi, malattie batteriche e virali, così come carenza di nutrienti e danni da erbicidi.

L'uso dell'imaging iperspettrale, o fotocamere che catturano lunghezze d'onda superiori a quelle viste dall'occhio umano, potrebbe consentire alla tecnologia di prevedere la presenza di stress prima ancora che compaiano i sintomi, dando agli agricoltori più tempo per gestire il problema, lei disse.

Il fascino di Singh per l'apprendimento automatico è iniziato nel 2014 quando ha partecipato a un seminario sull'argomento ospitato dall'ISU Plant Sciences Institute. Pensò immediatamente che la tecnologia fosse promettente per l'allevamento e la patologia delle piante, ma un'indagine sulla letteratura accademica ha mostrato che la maggior parte del lavoro nel campo proveniva dalle discipline ingegneristiche, non scienze vegetali. Si rese conto che sarebbe stata necessaria una maggiore collaborazione per far progredire questo campo in agricoltura.

"Dobbiamo includere anche gli scienziati delle piante, " ha detto. "Altrimenti, avremo ingegneri che lavorano su problemi di scienza delle piante. La collaborazione tra le discipline è ciò che lo rende possibile".

Ha aiutato a mettere insieme un team interdisciplinare che ha creato un'app che consente agli utenti di smartphone di scattare foto di piante di soia per determinare se le piante soffrono di carenza di ferro. Ora, il team di ricerca mira a espandere il proprio lavoro dall'app originale, che richiede foto scattate manualmente per diagnosticare un singolo stress, ad algoritmi in grado di acquisire immagini da UAV e identificare una serie di sollecitazioni.

Il futuro della tecnologia si basa sulla capacità di scienziati e ingegneri di raccogliere il giusto tipo di set di dati e quindi sviluppare la capacità di analizzare quei dati. Entro la fine della concessione, Singh ha affermato che il team intende aver completato un quadro di migliori pratiche per la raccolta dei dati utilizzando gli UAV. Ciò include la ricerca di risoluzioni di immagine ottimali, così come altezze e velocità ottimali per gli UAV. I ricercatori sperano di integrare perfettamente la raccolta dei dati, cura e analisi che portano alla sua applicazione nei campi agricoli per rilevare e mitigare gli stress delle piante in modo tempestivo. Singh ha affermato che il team renderà pubblicamente disponibili tutti i risultati alla conclusione del progetto.

L'approccio ha il potenziale per l'applicazione anche in molte altre colture, ha detto Singh.