В своем исследовании ученые из Университета Пердью использовали искусственный интеллект для улучшения прогнозирования урожайности кукурузы с помощью модели рекуррентной нейронной сети (RNN).
Это исследование использует технологии дистанционного зондирования и экологические данные для оптимизации “сельскохозяйственной практики”, подверженной влиянию изменения климата.
Исследование, опубликованное в журнале Frontiers in Plant Science, подчеркивает преимущества БПЛА и гиперспектральных камер в сборе обширных фенотипических данных, что значительно сокращает трудоемкие ручные методы. Объединив генетические маркеры, данные об окружающей среде и информацию дистанционного зондирования, команда разработала нейронную сеть, способную с большей точностью предсказывать сложные признаки урожайности кукурузы.
Ученые отметили, что эта модель ИИ является одной из первых, объединяющих генетику растений с прогнозированием урожайности на больших участках и в течение нескольких лет, что позволяет селекционерам отбирать признаки для более устойчивых сортов кукурузы.
