Штучний інтелект навчився перевіряти сяйво насіння томата і моркви
Неінвазивна методологія, розроблена дослідниками з Університету Сан-Паулу, Бразилія, полегшує ідентифікацію незрілого або неякісного насіння без їх руйнування.
У Бразилії дослідники, пов'язані з центром ядерної енергії в сільському господарстві (CENA) і сільськогосподарським коледжем Луїса де Кейроса (ESALQ), які входять до складу Університету Сан-Паулу (USP), розробили методологію, засновану на штучному інтелекті для автоматизації щоб оптимізувати аналіз якості насіння — цей процес, необхідний законом, і в даний час виконується вручну аналітиками, акредитованими при бразильському МСХ.
Група залучила світлові технології, подібні до тих, які застосовуються при аналізі рослин і косметики, для отримання зображень насіння. Потім вони звернулися до машинного навчання для автоматизації процесу інтерпретації зображень, зводячи до мінімуму деякі труднощі традиційних методів. Наприклад, для багатьох видів технологія оптичного зображення може застосовуватися до всієї партії насіння, а не тільки до зразків, як це відбувається зараз. Крім того, цей метод неінвазивний і не руйнує аналізовані продукти й не створює залишків.
Засновані на світлі методи складалися з флуоресценції хлорофілу і отримання мультиспектральних зображень. Серед рослин, придатних як для сільськогосподарських культур, так і для експериментальних моделей, вибрали томати й моркву, вирощені в різних країнах і сезонах і піддані різним умовам зберігання. Вчені взяли насіння комерційних сортів томатів Гаучо і Тайна, вироблених в Бразилії та США, і насіння сортів моркви Бразиліа і Франсін, вироблених в Бразилії, Італії та Чилі.
Вибір заснований на економічному значенні цих продовольчих культур зі зростаючим світовим попитом, а також на труднощах, з якими фермери стикаються при зборі насіння. І у томатів, і у моркви процес дозрівання неоднорідний, тому що рослини цвітуть безперервно, а виробництво насіння не синхронно, тому партії насіння можуть містити суміш незрілих і зрілих насіннях. Наявність незрілого насіння нелегко виявити візуальними методами, а методи, засновані на машинному зорі, розв'яжуть цю проблему.
Дослідники порівняли результати свого неруйнівного аналізу з результатами традиційних тестів на схожість і життєздатність (вони є руйнівними, вимагають багато часу і трудовитрат).
У тесті на схожість поділяють зразки, висівають для проростання в сприятливих умовах і перевіряють остаточну кількість нормальних сіянців, отриманих відповідно до встановлених правил. Тести на життєздатність більш складні, а більшість з них засновані на реакції насіння на стрес і параметрах зростання проростків.
Крім згаданих труднощів, традиційні методи тривалі.
У випадку помідорів і моркви, наприклад, для отримання результатів може знадобитися до двох тижнів, які також значною мірою суб'єктивні, в залежності від інтерпретації аналітики.
"Наша пропозиція полягає в тому, щоб максимально автоматизувати процес, використовуючи флуоресценцію хлорофілу та мультиспектральну візуалізацію для аналізу якості насіння. Це дозволить уникнути всіх звичайних вузьких місць», - сказала Клісія Барбоза да Сілва, дослідник CENA-USP і один з авторів статті, опублікованої в Frontiers in Plant Science.
Провідним автором статті є Патрісія Галлетті, вона проводила дослідження в рамках своєї магістерської роботи й виграла премію у 2019 році на 7-му Конгресі насіння Америки, де представила часткові результати проєкту.
Хлорофіл присутній в насінні, де забезпечує енергію для зберігання поживних речовин, необхідних для розвитку (ліпідів, білків і вуглеводів), а потім руйнується.
"Однак, якщо насіння не завершує процес дозрівання, цей хлорофіл залишається всередині нього. Чим менше залишкового хлорофілу, тим більш просунутий процес дозрівання і тим більше і якісніше поживних речовин в насінні. Якщо хлорофілу багато, насіння незрілі і поганої якості», - пояснила Клісія Барбоза да Сілва.
Якщо світло певної довжини хвилі потрапляє на хлорофіл в насіння, він не передає цю енергію іншій молекулі, але повторно випромінює світло з іншою довжиною хвилі, що означає, що він флуоресціює. Вчені пояснюють, що цю флуоресценцію можна виміряти за допомогою червоного світла і пристрою для уловлювання флуоресценції, яке перетворює його в електричний сигнал, створюючи зображення, що складається з сірих, чорних і білих пікселів. Більш світлі ділянки відповідають більш високому рівню хлорофілу, що вказує на незрілість насіння і малоймовірність їх проростання.
При формуванні мультиспектральних зображень світлодіоди випромінюють світло у видимій частині спектра, а також невидиме світло (УФ і ближній інфрачервоний). Для аналізу якості насіння на основі коефіцієнта відбиття дослідники застосували 19 довжин хвиль і порівняли результати з даними оцінки якості, отриманими традиційними методами. Найкращі результати отримані при використанні ближнього інфрачервоного діапазону в разі насіння моркви й УФ-випромінювання в разі насіння томатів.
Насіння містять білки, ліпіди й цукор, які поглинають частину світла, випромінюваного світлодіодами, і зображають решту. Відбите світло вловлюється мультиспектральною камерою, а захоплене зображення обробляється для відділення насіння від опори в пристрої, що відповідає чорним пікселям з нульовим значенням, тоді як насіння відображаються в сірій шкалі. Значення пікселів на зображенні насіння відповідають його хімічному складу.
"Ми не працюємо з середнім результатом для зразка. Ми проводимо індивідуальну екстракцію для кожного насіння. Чим більше кількість даного поживної речовини міститься в насінні, тим більше світла певної довжини хвилі воно поглинає, тому менше відбивається. Насіння з меншим вмістом поживних речовин містить менше молекул, що поглинають світло. Це означає, що його коефіцієнт відбиття вище, хоча це залежить від його компонентів, які поводяться по-різному в залежності від використовуваної довжини хвилі світла», додала Сілва.
Алгоритм визначає довжину хвилі, на якій досягається кращий результат. Цей процес надає інформацію про хімічний склад насіння для висновків про якість.
"Тоді ми застосували хемометрію, набір статистичних та математичних методів, що використовуються для хімічної класифікації матеріалів. Ідея полягала в тому, що обладнання повинно класифікувати якість на основі зробленого зображення, як робиться в медицині й харчовій промисловості", - продовжує автор.
Машинне навчання увійшло в процес на етапі для тестування моделей, створених за допомогою хемометрії.
"Ми навчили модель визначати високоякісні та низькоякісні насіння. Ми використовували 70% наших даних для навчання моделі, а решта 30% - для перевірки. Точність класифікації за якістю коливалася від 86% до 95% у випадку насіння томатів і від 88% до 97% у випадку насіння моркви».
Два основні методи були точними і економили час, враховуючи швидкість захоплення зображення. Прилад для флуоресценції хлорофілу реєстрував одне зображення в секунду, в той час, як мультиспектральний аналізатор зображень обробляв 19 зображень за п'ять секунд.
Несподіваний результат, отриманий в ході проєкту, виявився дуже важливим.
Флуоресценція хлорофілу та мультиспектральна візуалізація можуть вважатися ефективними методами скринінгу сортів рослин, важливою частиною оцінки партії насіння, щоб уникнути економічних втрат.
"Фермери купують насіння в розрахунку на певний урожай, але якщо насіння з різними генетичними характеристиками не будуть належним чином розділені, це позначиться на виробництві», - говорить Сілва.
В цей час скринінг проводиться аналітиками, які володіють навичками, необхідними для сортування насіння за кольором, формою і розміром, а також за молекулярними маркерами, де це можливо. В ході дослідження обидва методи виявилися ефективними для поділу сортів моркви, але мультиспектральна візуалізація була незадовільною в разі сортів томатів.
"Дослідження дало нові результати щодо використання флуоресценції для відбору сортів. Ми не знайшли попередніх робіт, де флуоресценція використовувалася для цієї мети. Деякі дослідження показують, що багатоспектральна візуалізація ефективна для цієї мети, але не за допомогою інструменту, який ми використовували».
За словами Сілви, хорошим способом передати знання, отримані в результаті досліджень, у виробничий сектор, було б доручення фірм розробити обладнання для продажу виробникам насіння.
"Можна було б використовувати результати нашого дослідження для розробки приладу, який використовував би тільки ультрафіолетове світло, щоб схарактеризувати якість насіння томатів і, наприклад, вивести його на ринок», - припустила вона.
P.S. На нашому сайті Ви можете переглянути перелік сортів, які зареєстровані в Україні, зокрема і сортів помідорів. Також Ви можете переглянути оголошення щодо їх продажу або розмістити своє.
Також читайте:
- Дрони і атмосферні генератори води – найближче майбутнє українського АПК
- Kverneland запустив новий мобільний додаток з налаштуванням для розкидачів добрив
- Future Acres розробляє роботизованого помічника для збору врожаю Carry
- Бельгійці розробили безпілотник для садівництв