Vedci zo Skoltechu vytvorili systém strojového učenia, ktorý pomôže vesmírnym agentúram vo svete vybrať si „správne“rastliny a poskytnúť tak budúcim dlhodobým vesmírnym misiám potrebné množstvo biomasy a kyslíka. Ich zistenia boli prezentované v časopise IEEE Pervasive Computing.
„Hlavnou výhodou našej metódy je to, že stačí získať trojrozmerný obraz pre každý druh rastlín iba raz. Potom na predpovedanie rastu biomasy stačí použiť najjednoduchšie kamery. To výrazne zjednodušuje a znižuje náklady na predpovedanie, riadenie a optimalizáciu systémov pre skleníky a systémy na podporu umelého života vo vesmíre, “uvádza Dmitrij Shadrin, postgraduálny študent Skoltech, citovaný tlačovou službou univerzity.
Podľa súčasných odborníkov NASA a Roscosmos budú dlhodobé vesmírne lety vyžadovať vytvorenie plne autonómnych systémov na podporu života, ktoré umožňujú neobmedzenú dobu produkovať vodu, kyslík a všetky potrebné živiny.
Rastliny a rôzne jednobunkové riasy schopné produkovať biomasu vo veľkých množstvách a vysokou rýchlosťou sa dnes považujú za kľúč k ich tvorbe. V posledných dvoch desaťročiach vedci urobili významný pokrok týmto smerom, vytvorili dva skleníky na palube ISS a pestovali v nich kapustu, hlávkový šalát, astry a mnoho ďalších rastlín.
Takéto úspechy spôsobujú, že sa biológovia, vesmírni lekári a ďalší vedci pýtajú, koľko rastlín je potrebných na prežitie posádky lietajúcej na Mars alebo iné planéty. Ich nadbytok môže spôsobiť, že misia bude príliš drahá a neuskutočniteľná a budúci stúpenci Marka Watneyho z nedostatku Marsu na pomalú smrť.
Napriek tomu, že vedci študujú rastliny už tisíce rokov, nie je také ľahké pripraviť také odhady, pretože miera ich rastu a prírastku biomasy závisí od mnohých rôznych biologických a fyzikálnych faktorov - od množstva vlhkosti a stopových prvkov v pôde, od úrovne osvetlenia a desiatok ďalších vecí. Okrem toho samotnú biomasu je dosť ťažké „odvážiť“bez usmrtenia samotnej rastliny, čo narúša hodnotenie jej rýchlosti rastu.
Shadrin a jeho kolegovia z Skoltechu, Rupert Gerzer, Tatiana Podladchikova a Andrey Somov, prišli na to, ako rýchlo a presne vykonať takéto hodnotenia pozorovaním rastu trpasličích paradajok pomocou 3D a 2D kamier.
Analýzou stavu paradajok v rôznych rastových fázach dokázali ruskí vedci odvodiť niekoľko vzorov súvisiacich so súborom biomasy a použili ich na vytvorenie systémov strojového učenia schopných vyhodnotiť tieto vlastnosti analýzou jednoduchých dvojrozmerných fotografií z paradajkových listov a trojrozmerného modelu rastliny.
Propagačné video:
Ďalšie pozorovania ukázali, že tento program správne predpovedal rýchlosť rastu paradajok, ako aj niekoľko druhov šalátu počas prvých 30 dní ich života po výsadbe. To umožňuje, aby sa použil nielen na výpočet „vesmírnych“systémov na podporu života, ale aj na optimalizáciu prevádzky skleníkov.