Bu məqalə Science X-in redaksiya prosesinə və siyasətlərinə uyğun olaraq nəzərdən keçirilmişdir. Redaktorlar məzmunun etibarlılığını təmin etməklə yanaşı, aşağıdakı atributları vurğuladılar: Təxminən 9000 təsvirdən ibarət ilk növ pomidor yarpağı məlumat dəsti sayəsində süni intellektlə idarə olunan məhsul xəstəliklərinin aşkarlanmasında sıçrayış məhsul itkilərini və kimyəvi maddələrlə bağlı sağlamlıq risklərini azaltmaq üçün müəyyən edilmişdir. Çarlz Darvin Universiteti (CDU), Peradeniya Universiteti (UoP) və başqalarının alimləri tərəfindən qurulmuş Şri Lanka Sahə Pomidoru (SLIF-Pomidor) verilənlər bazası müxtəlif real dünya şəraitində toplanmış sinif etiketləri və sərhəddici qutu annotasiyalarından ibarət ilk tam sahə içi məlumat dəstidir.
Məlumat toplusuna səkkiz sinifdən ibarət pomidor yarpaqlarının 890 xam fotoşəkili daxildir: sağlam və yeddi xəstəlik - bakterial ləkə, erkən zərərverici, mozaika, toz küf, septoriya, solğunluq və gec zərərverici - bunlar daha sonra cəmi 8,934 şəkil yaratmaq üçün iki mərhələdə artırıldı. Şəkillər süni intellekt skanerlərinə görüntünün mürəkkəbliyini azaldaraq, hara fokuslanmalı olduqlarını bildirən Ters Qalıq Konvolyusiya Blok Diqqət Modulu (IR-CBAM) adlı AI alqoritmi ilə qiymətləndirilib. Sənəd Neural Computing and Applications jurnalında dərc olunub.
CDU-nun informasiya texnologiyaları üzrə mühazirəçisi Soyethan Selvarajah, texnologiyanın süni intellektə əsaslanan xəstəlik tanıma modellərinə görüntünün hər bir hissəsini bərabər şəkildə skan etməkdənsə, öyrədilmiş göz kimi fokuslanmağı öyrətdiyini söylədi. "Birincisi, rəng, tekstura və kənarlar kimi ən çox hansı ipuçlarının vacib olduğunu müəyyənləşdirir və diqqəti bunlara yönəldir" dedi Selvarajah. "Sonra, faktiki xəstə nöqtəni böyüdərək və torpağa, kölgələrə və fon yarpaqlarına məhəl qoymadan fotoşəkildə hara baxmaq lazım olduğunu müəyyənləşdirir.
O, bunu yüngül və səmərəli şəkildə edir ki, telefonlar kimi şeylərdə hələ də sürətli işləyə bilsin. "Bu vacibdir, çünki sahə fotoşəkilləri səliqəsizdir. Təmiz laboratoriya şəkillərindən fərqli olaraq, onlar fonda qarışıqlıqla doludur.
Modelə səs-küyü süzgəcdən keçirməyi və xəstəliyin özünə fokuslanmağı öyrətmək dəqiqliyin əhəmiyyətli dərəcədə yaxşılaşmasının səbəbidir." CDU və UoP alimləri tərəfindən qurulan SLIF-Tomato verilənlər bazası səkkiz sinfə bölünmüş 8934 təsvirdən ibarətdir. Şəkildə onların məhdudlaşdırıcı qutu annotasiyalarının nümunələri verilmişdir. Verilənlər toplusu fermerlərə məhsullarında xəstəlikləri erkən və 99%-dən çox dəqiqliklə aşkar etməyə imkan verir.
Əvvəlki tədqiqatlar bunun yalnız idarə olunan parametrlərdə mümkün olduğunu göstərdi. Şri-Lankanın pomidor məhsuldarlığı 2018-ci ildə hər hektardan orta hesabla 18,9 metrik ton təşkil edərək, milli gəlirə və ixrac gəlirinə töhfə verib. O, həmçinin məşğulluq yaradır, ev təsərrüfatlarının gəlirlərini artırır və milli qidalanmanı dəstəkləyir.
Xülasə — davamını mənbədə oxuyun.
