Искусственный интеллект улучшает классическую микроскопию для тестирования состояния почвы на фермах - СМИ
Киев • УНН
Американские исследователи разрабатывают систему микроскопа на базе искусственного интеллекта для более быстрого и доступного тестирования почвы. Технология, сочетающая оптическую микроскопию с машинным обучением, позволит измерять наличие грибов в образцах почвы.
Американские исследователи разрабатывают систему микроскопа на базе искусственного интеллекта. Это может сделать тестирование состояния почвы более быстрым, дешевым и доступным для фермеров и землепользователей во всем мире. Об этом пишет УНН со ссылкой на PHYS.org.
Детали
Исследователи из Техасского университета в Сан-Антонио, США, успешно объединили недорогую оптическую микроскопию с машинным обучением для измерения наличия и количества грибов в образцах почвы. Их технология на ранней стадии проверки концепции будет представлена на конференции Голдшмидта в Праге в среду, 9 июля.
Определение численности и разнообразия почвенных грибов может дать ценную информацию о здоровье и плодородии почвы, поскольку грибы играют важную роль в биогеохимическом круговороте питательных веществ, удержании воды и росте растений.
Имея эти знания, фермеры могут оптимизировать производство сельскохозяйственных культур и устойчивое развитие, принимая обоснованные решения по управлению почвой, включая внесение удобрений, орошение и обработку почвы.
Оптические микроскопы являются старейшей конструкцией микроскопа и уже давно используются для обнаружения и идентификации крошечных организмов в почве. Другие формы тестирования почвы используют такие методы, как тестирование фосфолипидных жирных кислот и анализ ДНК, для обнаружения организмов или для измерения наличия химических веществ, таких как азот, фосфор и калий.
Хотя эти современные методы являются мощными, они, как правило, дороги или же просто подчеркивают химический состав, часто не учитывая всю биологическую сложность почвенных экосистем.
Алек Грейвз из Техасского университета в Колледже наук Сан-Антонио, США, представляет исследование на конференции Голдшмидта на этой неделе.
Современные формы биологического анализа почвы ограничены, требуя либо дорогостоящего лабораторного оборудования для измерения молекулярного состава, либо эксперта для визуальной идентификации организмов с помощью лабораторных микроскопов. Комплексное тестирование почвы не является широко доступным для фермеров и землевладельцев, которым нужно понимать, как сельскохозяйственные практики влияют на здоровье почвы. Используя алгоритмы машинного обучения и оптический микроскоп, мы создаем недорогое решение для тестирования почвы, которое уменьшает необходимые затраты труда и опыта, одновременно предоставляя более полную картину биологии почвы
На ранней стадии разработки исследователи создали и протестировали алгоритм машинного обучения для обнаружения грибковой биомассы в образцах почвы, включив его в специальное программное обеспечение для маркировки изображений микроскопа. Это было создано с использованием набора данных из нескольких тысяч изображений грибов из почв по всему Южно-Центральному Техасу. Программное обеспечение работает только со 100-кратным и 400-кратным общим увеличением микроскопа, доступным во многих доступных готовых микроскопах, включая те, что находятся в школьных лабораториях.
Наша методика анализирует видео образца почвы, разбивает его на изображения и использует нейронную сеть для идентификации и количественной оценки грибов. Наше проверочное исследование уже может обнаруживать грибковые нити в разбавленных образцах и оценить биомассу грибов
Сейчас команда работает над интеграцией своей методики в мобильную роботизированную платформу для обнаружения грибов в почве. Система будет сочетать сбор образцов, микрофотографию и анализ в одном устройстве. Они стремятся иметь полностью разработанное, развертываемое устройство, готовое к тестированию в течение следующих двух лет.
Исследование возглавляет профессор Саугата Датта, директор Института исследований устойчивого развития и политики водных ресурсов при UTSA. Детали алгоритма машинного обучения должны быть опубликованы в рецензируемом журнале позднее в этом году.
Дополнение
Google расширил возможности искусственного интеллекта в Workspace, интегрировав Gems – индивидуальных помощников на базе Google Gemini. Они доступны в Gmail, Документах, Диске, Таблицах и Слайдах, позволяя пользователям программировать их для различных задач.