Gli scienziati di Skoltech hanno addestrato le reti neurali per valutare e prevedere il modello di crescita delle piante tenendo conto dei principali fattori di influenza e proporre il rapporto ottimale tra il fabbisogno di nutrienti e altri parametri di crescita. I risultati dello studio sono stati pubblicati sulla rivista IEEE Transactions on Instrumentations and Measurements.

Negli ultimi anni, sono stati fatti molteplici tentativi per utilizzare l'intelligenza artificiale (AI) in quasi tutte le sfere della vita. si è rivelato utile, aiutare le persone a prendere le decisioni giuste e raggiungere l'obiettivo. L'uso dell'intelligenza artificiale per coltivare piante in ambienti artificiali non fa eccezione. Le reti neurali sono disponibili in un'ampia varietà di architetture, compreso il loro tipo più importante, reti neurali ricorrenti (RNN), che aiutano a elaborare in modo efficiente sequenze direzionali di dati, come testo, discorso o serie temporali, quest'ultimo è il più strumentale nel descrivere la crescita delle piante nel tempo.

Nel loro studio, gli scienziati di Skoltech hanno mostrato come l'RNN può essere utilizzato in combinazione con algoritmi di visione artificiale per gestire l'attività di previsione della crescita delle piante nella sua interezza, tenendo d'occhio lo stato attuale e i principali parametri del sistema di coltivazione delle piante. Il compito è stato affrontato utilizzando i dati ottenuti nello studio realizzato in collaborazione con il Centro aerospaziale tedesco (DLR), dove gli scienziati tedeschi hanno esaminato ulteriori stimoli per la crescita delle piante in sistemi artificiali simili a quelli utilizzati sulla Stazione Spaziale Internazionale. L'esperimento congiunto ha prodotto risultati preziosi che hanno aiutato a trovare il rapporto ottimale di nutrienti garantendo il miglior modello di crescita sotto i vincoli esistenti.

Gli scienziati hanno segmentato e determinato l'area totale del fogliame utilizzando algoritmi di visione artificiale e previsto la crescita delle piante utilizzando l'RNN di varie architetture che hanno affrontato in modo efficiente il compito. Hanno anche proposto un sistema integrato efficiente dal punto di vista energetico per calcolare e prevedere il modello di crescita al fine di eseguire esecuzioni demo e test reali del software dedicato.

Il sistema è basato su Raspberry Pi, un popolare computer di prototipazione a scheda singola con una scheda grafica Intel Movidius esterna. Il dispositivo utilizza un compatto e potente processore grafico Myriad 2 operante a 150 Gflops con una potenza di solo 1 W, che è paragonabile ai supercomputer della metà degli anni '90. Una soluzione perfetta per le reti neurali, questi chip grafici diventeranno probabilmente il cuore dei sistemi basati sull'intelligenza artificiale incorporati in futuro.