Les scientifiques de Skoltech ont formé des réseaux de neurones pour évaluer et prédire le modèle de croissance des plantes en tenant compte des principaux facteurs d'influence et proposer le rapport optimal entre les besoins en nutriments et d'autres paramètres de croissance. Les résultats de l'étude ont été publiés dans la revue IEEE Transactions on Instrumentations and Measurements.

Au cours des dernières années, de multiples tentatives ont été faites pour utiliser l'intelligence artificielle (IA) dans presque toutes les sphères de la vie. Il s'est avéré utile, aider les gens à prendre les bonnes décisions et à atteindre l'objectif. L'utilisation de l'IA pour faire pousser des plantes dans des environnements artificiels ne fait pas exception. Les réseaux de neurones se présentent sous une grande variété d'architectures, y compris leur type le plus important, réseaux de neurones récurrents (RNN), qui aident à traiter efficacement les séquences directionnelles de données, comme du texte, discours ou séries temporelles, ce dernier étant le plus déterminant pour décrire la croissance des plantes au fil du temps.

Dans leur étude, les scientifiques de Skoltech ont montré comment RNN peut être utilisé en combinaison avec des algorithmes de vision par ordinateur pour gérer la tâche de prédiction de la croissance des plantes dans son intégralité, tout en gardant un œil sur l'état actuel et les principaux paramètres du système de culture des plantes. La tâche a été abordée à l'aide des données obtenues dans l'étude réalisée en collaboration avec le Centre aérospatial allemand (DLR), où les scientifiques allemands ont examiné une stimulation supplémentaire pour la croissance des plantes dans des systèmes artificiels similaires à ceux utilisés sur la Station spatiale internationale. L'expérience conjointe a donné des résultats précieux qui ont aidé à trouver le rapport optimal de nutriments assurant le meilleur modèle de croissance sous les contraintes existantes.

Les scientifiques ont segmenté et déterminé la surface totale du feuillage à l'aide d'algorithmes de vision par ordinateur et ont prédit la croissance des plantes à l'aide du RNN de diverses architectures qui ont fait face efficacement à la tâche. Ils ont également proposé un système intégré à faible consommation d'énergie pour calculer et prédire le modèle de croissance afin de réaliser des démonstrations et des tests réels du logiciel dédié.

Le système est basé sur Raspberry Pi, un ordinateur de prototypage monocarte populaire avec une carte graphique externe Intel Movidius. L'appareil utilise un processeur graphique Myriad 2 compact et puissant fonctionnant à 150 Gflops avec une puissance de seulement 1 W, comparable aux supercalculateurs du milieu des années 90. Une solution parfaite pour les réseaux de neurones, ces puces graphiques deviendront probablement le cœur des systèmes embarqués basés sur l'IA à l'avenir.