Para saintis dari Skoltech telah membuat sistem pembelajaran mesin yang akan membantu agensi ruang angkasa dunia untuk memilih tanaman "betul" untuk menyediakan misi ruang jangka panjang masa depan dengan jumlah biomas dan oksigen yang diperlukan. Penemuan mereka dipaparkan dalam jurnal IEEE Pervasive Computing.
Kelebihan utama kaedah kami adalah cukup untuk memperoleh gambar tiga dimensi untuk setiap spesies tumbuhan hanya sekali. Selepas itu, untuk meramalkan pertumbuhan biojisim, cukup menggunakan kamera termudah. Ini sangat menyederhanakan dan mengurangkan kos peramalan, kawalan dan sistem pengoptimuman untuk rumah hijau dan sistem sokongan kehidupan buatan di angkasa,”kata Dmitry Shadrin, seorang pelajar siswazah Skoltech, yang dipetik oleh perkhidmatan akhbar universiti.
Penerbangan angkasa jangka panjang, menurut pakar NASA dan Roscosmos hari ini, akan memerlukan penciptaan sistem sokongan hidup sepenuhnya autonomi yang membolehkan pengeluaran air, oksigen dan semua nutrien yang diperlukan untuk masa yang tidak terhad.
Tumbuhan dan pelbagai alga uniselular, mampu menghasilkan biojisim dalam jumlah besar dan pada kelajuan tinggi, dianggap sebagai kunci penciptaannya hari ini. Selama dua dekad yang lalu, para saintis telah membuat kemajuan yang signifikan ke arah ini, membuat dua rumah hijau di atas ISS dan menanam kubis, selada, aster dan banyak tanaman lain di dalamnya.
Kejayaan seperti itu membuat ahli biologi, doktor ruang dan penyelidik lain tertanya-tanya berapa banyak tumbuhan yang diperlukan untuk kelangsungan hidup kru yang terbang ke Marikh atau planet lain. Lebihan mereka dapat menjadikan misi itu terlalu mahal dan tidak dapat direalisasikan, dan kekurangan masa depan pengikut Mark Watney dari "The Martian" hingga kematian yang perlahan.
Walaupun saintis telah mengkaji tanaman selama ribuan tahun, tidak begitu mudah untuk menyiapkan anggaran seperti itu, kerana kadar pertumbuhan dan keuntungan biomassa bergantung kepada banyak faktor biologi dan fizikal - jumlah kelembapan dan unsur surih di dalam tanah, tahap pencahayaan dan puluhan perkara lain. Sebagai tambahan, biomassa itu sendiri agak sukar untuk "menimbang" tanpa membunuh tanaman itu sendiri, yang mengganggu penilaian kadar pertumbuhannya.
Shadrin dan rakan-rakannya di Skoltech, Rupert Gerzer, Tatiana Podladchikova dan Andrey Somov, mengetahui bagaimana membuat penilaian sedemikian cepat dan tepat dengan memerhatikan pertumbuhan tomato kerdil menggunakan kamera 3D dan 2D.
Dengan menganalisis keadaan tomato pada fasa pertumbuhan yang berbeza, saintis Rusia dapat menyimpulkan beberapa corak yang berkaitan dengan set biomas dan menggunakannya untuk membuat sistem pembelajaran mesin yang mampu menilai ciri-ciri ini dengan menganalisis gambar dua dimensi sederhana daun tomato dan model tiga dimensi tanaman.
Video promosi:
Pemerhatian lebih lanjut menunjukkan bahawa program ini dengan tepat meramalkan kadar pertumbuhan tomato, serta beberapa jenis selada, selama 30 hari pertama kehidupan mereka setelah menanam. Ini memungkinkan untuk digunakan bukan hanya untuk mengira sistem sokongan kehidupan "ruang", tetapi juga untuk mengoptimumkan operasi rumah hijau.
