Pemindai tanaman berbiaya rendah memadukan perangkat keras jagung dengan AI

Kebanyakan demo AI ingin Anda mengagumi papan peringkat. Yang satu ini meminta tanaman jagung untuk diam sementara kamera berputar mengelilinginya, yang memang agak tidak sopan tetapi produktif. Sebuah makalah di Scientific Reports memperkenalkan platform pemindai tanaman berbiaya rendah untuk deteksi otomatis infeksi Ustilago maydis pada jagung menggunakan deep learning. Bagian yang menarik bukanlah bahwa jaringan saraf bisa mengenali tanaman hijau yang sakit. Melainkan bahwa para peneliti membangun pengaturan penginderaan berdasarkan biologinya, karena tanaman asli punya disiplin ergonomis seperti spageti basah.

Pemindai adalah rekan kerja model

Menurut Scientific Reports, Ustilago maydis adalah jamur biotrofik yang menyebabkan penyakit gosong pada jagung, yang memicu pembentukan tumor pada bagian tanaman di atas permukaan tanah. Jurnal tersebut menggambarkan U. maydis sebagai model untuk studi interaksi tanaman-jamur, tetapi mengatakan bahwa sebelumnya belum ada alat untuk mengukur gejala infeksi secara otomatis dalam kondisi laboratorium untuk analisis deep learning. Untuk menutup celah itu, para penulis mengembangkan sistem kamera berputar yang merekam video tanaman. Dengan kata lain, perangkat kamera ini bukan misi sampingan. Ia adalah bagian dari sistem machine learning.

Pilihan desain itu adalah pelajaran berguna bagi para pembuat. Banyak proyek visi terapan diam-diam gagal sebelum pelatihan dimulai karena proses pengumpulan data diperlakukan seperti pekerjaan administrasi dengan pencahayaan yang lebih baik. Scientific Reports membingkai pemindai ini di sekitar kuantifikasi gejala laboratorium, yang berarti perangkat keras, tugas, dan model semuanya diarahkan pada pertanyaan yang sama. Itu memang kurang glamor dibanding mengumumkan model raksasa, tetapi begitu juga pipa ledeng, dan peradaban tampaknya cukup menyukai toilet.

Mengapa ini bukan sekadar pengklasifikasi daun lainnya

Frontiers in Plant Science menerbitkan sistem berbasis seluler untuk deteksi dan klasifikasi penyakit daun tanaman jagung menggunakan deep learning pada 15 Mei 2023. Karya itu termasuk cabang AI pertanian yang sudah akrab: arahkan kamera ke daun, klasifikasikan apa yang terlihat, dan buat alatnya mudah diakses melalui pengambilan gambar seluler. Pemindai Scientific Reports berada di samping garis perkembangan itu, tetapi menyelesaikan masalah laboratorium yang lebih sempit: analisis otomatis gejala infeksi U. maydis pada tanaman jagung. Kotak alat besarnya sama, masalah pengukurannya berbeda.

Perbedaan ini penting karena deteksi penyakit tanaman bukan satu tugas yang hanya berganti topi. Journal of Big Data mencatat bahwa gandum dan jagung adalah tanaman penting bagi ketahanan pangan global, dan mengatakan bahwa metode tradisional tidak bekerja efektif untuk penilaian tingkat keparahan penyakit. Jurnal itu juga menyoroti keterbatasan model deep learning saat ini, termasuk terlalu sedikit fokus pada penilaian tingkat keparahan, penggunaan pada satu tanaman atau penyakit saja, dan ketergantungan pada dataset kecil. Pemindai laboratorium tidak akan menggantikan setiap alat lapangan, dan aplikasi seluler tidak akan menggantikan setiap pengaturan fenotiping terkendali. Meminta yang satu melakukan tugas yang lain seperti meminta pemanggang roti menjadi stasiun cuaca hanya karena keduanya punya tombol.

Pelajaran bagi pembuat memang membosankan dengan cara terbaik

Scientific Reports memberi tim AI terapan sebuah pola konkret: definisikan sinyal biologisnya, kendalikan proses pengambilan datanya, lalu latih model pada data yang memang dibuat untuk sinyal tersebut. Itu terdengar jelas, dan dari situlah Anda tahu bahwa hal ini akan diabaikan dalam setidaknya tiga pitch deck sebelum makan siang. Makalah pemindai tanaman ini berharga karena memperlakukan penginderaan sebagai infrastruktur kelas utama, bukan sebagai folder gambar yang secara misterius muncul dari tambang goblin akademik.

Bagi engineer ML, ini adalah pengingat bahwa akurasi berada di hilir pengukuran. Jika sudut kamera, pencahayaan, geometri tanaman, atau keterlihatan gejala tidak konsisten, model mewarisi kekacauan itu dan menyebutnya representation learning. Perangkat keras khusus domain dapat mengurangi entropi sebelum GPU ikut campur. Itu bukan anti-model. Itu pro-tidak-membuat-model-menebak-apa-yang-seharusnya-diukur-oleh-instrumen-Anda.

Ke mana arah AI pertanian dari sini

Journal of Big Data menggambarkan arah lain di bidang ini, dengan memperkenalkan WY-CN-NASNetLarge, sebuah model deep learning berbasis arsitektur NASNetLarge, yang dilatih dengan transfer learning, fine-tuning, dan beberapa dataset. Frontiers in Plant Science mengarah pada sistem seluler untuk deteksi dan klasifikasi penyakit daun jagung. Scientific Reports menambahkan jalur ketiga: pemindai tanaman terkendali untuk kuantifikasi gejala otomatis dalam kondisi laboratorium.

Pola ini menggembirakan karena bidang ini bergerak dari demo model yang terisolasi menuju sistem yang disesuaikan dengan asal data sebenarnya. Bagi pembaca yang membangun visi komputer terapan, intinya sederhana: berhentilah memperlakukan perangkat keras sebagai anak magang dan model sebagai si jenius. Perhatikan apakah sistem penyakit tanaman di masa depan menerbitkan bukan hanya detail model, tetapi juga protokol pengambilan data, pilihan konstruksi dataset, dan batasan penerapan. Di sanalah reproduksibilitas hidup, bersembunyi di tempat yang terlihat jelas bersama ring light dan tanaman jagung yang sangat sabar. Kadang-kadang sistem AI paling cerdas adalah sistem yang membelikan kursi untuk kameranya.