Спецможливості
Новини

Машинне навчання допоможе виявляти хвороби сільськогосподарських культур

04.03.2018
1909
Машинне навчання допоможе виявляти хвороби сільськогосподарських культур фото, ілюстрація
Машинне навчання допоможе виявляти хвороби сільськогосподарських культур

Поширення хвороб сільськогосподарських культур і шкідників мають жахливі наслідки для світового виробництва продуктів харчування і продовольчої безпеки. Тож не дивно, що раннє виявлення захворювань стало пріоритетом для багатьох агропідприємств. Про це пише propozitsiya.com з посиланням на Aggeek.
Через хвороби аграрії втрачають близько 42% найбільш важливих продовольчих культур. І хоча існують методи лікування таких захворювань, вони часто виявляються дорогими і небезпечними як для навколишнього середовища, так і для споживачів. Тому важливо розгледіти проблему в той момент, коли вона тільки виникає. У цьому може допомогти постійний моніторинг ситуації на полях, проте це дорога і трудомістка робота.
А ось глибинне навчання (deep learning, підрозділ машинного навчання) може оптимізувати і підвищити ефективність даного процесу, оскільки обробляє дані, зібрані про врожай за роки. Далі програма структурує алгоритми, щоб створити штучну "нейронну мережу" для прийняття рішень і створення ймовірної моделі. Це підвищує точність виявлення захворювання в порівнянні з простим візуальним оглядом.
Важливо також пам'ятати, що за часів бурхливого розвитку технологій і в той же час проблем з виробництвом продуктів харчування, кожен новий алгоритм машинного навчання є важливим кроком до відповіді на виклики для продовольчої безпеки.

Інтерв'ю
Про перспективи вирощування не ГМО сої в Україні, а також потенційно цікаві ніші соєвих продуктів для українських виробників у інтерв’ю рropozitsiya.com розповіла представник  Асоціації
Міністерство аграрної політики, Ярослав Краснопольський
Нещодавні зміни у складі уряду можуть торкнутися  і діяльності Міністерства аграрної політики та продовольства. Що змінилося і яких новацій очікувати? Із цим запитанням ми звернулися до першого

1
0