_ Utilizarea AI și avansat imagistica pentru managementul precis al stresului plantelor

Fenotiparea plantelor este cheia pentru îmbunătățirea producției de culturi, mai ales pe măsură ce cererea globală de alimente crește. Progresele recente în AI și tehnologiile senzorilor de imagistică oferă metode promițătoare pentru detectarea precoce și precisă a stresului plantelor, depășind limitările inspecțiilor vizuale tradiționale.

Cu toate acestea, provocările persistă, inclusiv nevoia de algoritmi AI precisi și robusti, cerința pentru seturi de date diverse și de înaltă calitate pentru instruirea AI, costul ridicat și complexitatea senzorilor de imagine avansați și datele limitate capturate de senzori mai accesibili, cum ar fi camerele RGB. Aceste provocări evidențiază nevoia continuă de cercetare pentru a îmbunătăți accesibilitatea, fiabilitatea și eficacitatea acestor tehnologii pentru aplicații agricole.

În martie 2024, Plant Phenomics a publicat un articol de revizuire intitulat „Advancements in Imaging Sensors and AI for Detectarea stresului plantelor: o revizuire sistematică a literaturii." În această revizuire, cercetătorii prezintă o analiză cuprinzătoare a tehnologiilor AI și imagistice în detectarea stresului plantelor folosind o metodologie de revizuire sistematică a literaturii (SLR). Investigația lor, bazată pe un set de întrebări de cercetare predeterminate, s-a concentrat pe explorarea utilizării senzorilor de imagistică și a inteligenței artificiale în detectarea simptomelor de stres al plantelor, analiza tendințelor și identificarea provocărilor actuale.

Această analiză a identificat un total de 2.704. studii din patru baze de date majore folosind o strategie de căutare a cuvintelor cheie pe niveluri și roboți programabili inovatori pentru regăsirea datelor. Printre acestea, 262 de studii au fost revizuite cu meticulozitate, dezvăluind o preferință marcată pentru senzorii RGB datorită accesibilității, rentabilității și versatilității acestora în diferite setări de cercetare.

În ciuda aplicării pe scară largă, senzorii RGB nu sunt lipsiți de limitări. , în special atunci când captează indicatori de stres nuanțați, ceea ce îi determină pe cercetători să apeleze din ce în ce mai mult la senzorii de imagistică spectrală. Acești senzori oferă o perspectivă îmbunătățită asupra fiziologiei plantelor prin captarea datelor dintr-o gamă spectrală largă, deși la un cost mai mare și cu cerințe mai complexe de procesare a datelor.

În plus, analiza lor a indicat o tendință în creștere spre integrarea AI, în special DL, în cercetarea stresului plantelor, propulsat de disponibilitatea unor seturi mari de date open-source, cum ar fi PlantVillage. Această tendință subliniază o trecere către metode de analiză mai sofisticate, capabile să gestioneze natura complexă a simptomelor de stres și detectarea acestora.

În special, revizuirea evidențiază un interes emergent în explorarea tehnologiilor alternative de imagistică, cum ar fi fluorescența, termică, imagistica prin satelit și LiDAR, pentru capacitățile lor unice de detectare a stresului, în ciuda subutilizarii lor actuale din cauza diferitelor constrângeri practice.

Revizuirea a analizat, de asemenea, algoritmii AI implementați în cercetarea stresului plantelor. S-a descoperit că DL, în special CNN-urile, au fost adoptate pe scară largă pentru clasificarea imaginilor și sarcinile de extragere a caracteristicilor. În ciuda importanței DL, algoritmii ML precum SVM și ANN rămân folosiți pe scară largă, în special împreună cu datele de imagistică spectrală, datorită eficacității lor în simplificarea interpretării rezultatelor și gestionarea eficientă a seturilor de date spectrale limitate.

În concluzie, SLR nu numai că oferă o imagine de ansamblu asupra peisajului actual al aplicațiilor AI și al senzorilor de imagistică în detectarea stresului plantelor, dar prezice și un rol în expansiune pentru imagistica spectrală și DL în avansarea fenotipării plantelor. Ea solicită explorarea în continuare a abordărilor multimodale, integrarea tehnologiilor de imagistică emergente și dezvoltarea unor modele IA mai robuste, capabile să se generalizeze în diverse specii de plante și condiții de stres.

Pe măsură ce AI și tehnologiile de imagistică continuă să evolueze, integrarea lor este promițătoare pentru îmbunătățirea semnificativă a capacității noastre de a înțelege, detecta și gestiona stresul plantelor. Acest lucru deschide calea pentru practici agricole mai rezistente.

(Fluierul)