Haber Özeti
Tam Sürüm
Makine öğrenimi ekstra lezzetli fesleğenler üretmek için kullanıldı. Bu çalışma, veri bilimi ve makine öğrenimini kullanarak tarımı geliştirme çabalarının sonuçlarından biri.
Yapay zeka tarafından optimize edilen fesleğenlerin ardındaki araştırmacılar, makine öğrenimini fesleğenin tadından sorumlu değişken bileşenlerin konsantrasyonunu en üst seviyeye çıkaracak büyüme koşullarını belirlemek için kullandı. Çalışma PLOS One dergisinde yayımlandı.
24 saat ışık en iyi sonucu verdi
Fesleğenler kargo konteynerleri içindeki hidroponik birimlerde büyütüldü. Sıcaklık, ışık, nem ve konteynerlerin içindeki diğer çevresel faktörler otomatik olarak kontrol edilebiliyordu. Araştırmacılar bitkilerin tadını, içinde bulunan belirli bileşenleri gaz kromatografisi ve kütle spektrometrisi kullanarak test etti. Elde edilen sonuçların verileri makine öğrenimi algoritmalarına sunuldu.
Araştırma, bitkileri günde 24 saat ışığa maruz bırakmanın en iyi tadı elde etmeyi sağladığını ortaya koydu. Araştırma ekibi bu teknolojiyi, bitkilerin hastalıklarla savaşma gücünü artırmak ve bitki örtüsünün iklim değişikliğine nasıl tepki verdiğini belirlemek için kullanmayı düşünüyor.
Araştırmacılardan Caleb Harper “Bitkinin deneyimini, fenotipini, karşılaştığı gerilimi ve genetiği alıp bunları dijitalleştirerek bize bitki-çevre ilişkisini anlama konusunda yardımcı olacak birbirine bağlı araçlar geliştirme konusuyla yakından ilgileniyoruz.” dedi.
Başka örnekleri de var
Makine öğrenimini kullanarak bitki üretimini ve özelliklerini geliştirmek son dönemde tarımda hızla gelişen bir alan. Geçtiğimiz yıl Hollanda Wageningen Üniversitesi “Otonom Sera” adlı bir yarışma düzenlemişti. Bu yarışmada farklı ekipler salatalık bitkilerinin mümkün olan en az kaynakla en fazla verimi sağlaması için çalışan algoritmalar geliştirmişti. Ekipler, bir dizi faktörün bilgisayarlar tarafından kontrol edildiği seralarla çalışmışlardı.
Geçtiğimiz yıl tarım ürünleri şirketi Monsanto’yu satın alan Bayer’in tarım ürünleri üzerine çalışan veri bilimi ekibinin başkanı Naveen Singla “Benzer bir teknoloji halihazırda bazı ticari tarlalarda uygulanıyor. Tat, makine öğrenimi kullanarak geliştirmeye çalıştığımız alanlardan birisi.” diyor.
Singla ayrıca makine öğreniminin seralarda güçlü bir araç olduğunu ancak açık arazilerde o kadar kullanışlı olmadığını söylüyor. “Bu kontollü ortamlarda karmaşık değişkenleri anlayıp birçok optimizasyon yapabilirsiniz.” diyen Singla “Açık arazilerde bu boşluğu nasıl kapatacağımızı hala belirleyebilmiş değiliz.” diyor.
Amaç açık kaynaklı bir teknoloji
Harper gelecekte bitkilerin genetik yapısı üzerine çalışacaklarını ve bu teknolojiyi herkesin kullanımına sunacaklarını söylüyor. Araştırmacı “Hedefimiz veri toplam, algılama ve makine öğreniminin kesişiminde bulunan bir açık kaynaklı teknoloji tasarlamak ve bunu tarım araştırmalarına daha önce kimsenin yapmadığı bir şekilde uygulamak” diyor.
Kaynak: Technology Review
Araştırmacılar en lezzetli fesleğenleri üretmek için kontrollü bir ortamda, makine öğreniminden yararlanarak, farklı koşullar altında fesleğen yetiştirdi. Fesleğenler kargo konteynerleri içindeki hidroponik birimlerde büyütüldü. Sıcaklık, ışık, nem ve konteynerlerin içindeki diğer çevresel faktörler otomatik olarak kontrol edilebiliyordu. Araştırmacılar bitkilerin tadını, içinde bulunan belirli bileşenleri gaz kromatografisi ve kütle spektrometrisi kullanarak test etti. Elde edilen sonuçların verileri makine öğrenimi algoritmalarına sunuldu.Araştırma, bitkileri günde 24 saat ışığa maruz bırakmanın en iyi tadı elde etmeyi sağladığını ortaya koydu.
Manası çok derin.