Znanstveniki podjetja Skoltech so ustvarili sistem strojnega učenja, ki bo vesoljskim agencijam sveta pomagal izbrati "prave" rastline, s katerimi bodo bodočim dolgoročnim vesoljskim misijam zagotovili potrebno količino biomase in kisika. Njihove ugotovitve so bile predstavljene v reviji IEEE Pervasive Computing.
"Glavna prednost naše metode je, da je dovolj, da tridimenzionalno sliko za vsako rastlinsko vrsto dobimo samo enkrat. Po tem je za napoved rasti rasti biomase dovolj uporaba najpreprostejših kamer. To močno poenostavlja in zmanjšuje stroške sistemov za napovedovanje, nadzor in optimizacijo za rastlinjake in sisteme umetne življenjske podpore v vesolju, "ugotavlja Dmitrij Shadrin, študent Skoltecha, ki ga navaja tiskovna služba univerze.
Po mnenju strokovnjakov NASA in Roscosmosa bodo dolgoročni vesoljski leti zahtevali oblikovanje popolnoma avtonomnih sistemov za podporo življenju, ki omogočajo proizvodnjo vode, kisika in vseh potrebnih hranil za neomejen čas.
Rastline in različne enocelične alge, ki lahko proizvajajo biomaso v velikih količinah in z veliko hitrostjo, se danes štejejo za ključnega pomena za njihovo ustvarjanje. V zadnjih dveh desetletjih so znanstveniki v tej smeri dosegli pomemben napredek in ustvarili dva rastlinjaka na krovu ISS ter v njih gojili zelje, solato, aster in številne druge rastline.
Zaradi takšnih uspehov se biologi, vesoljski zdravniki in drugi raziskovalci sprašujejo, koliko rastlin je potrebnih za preživetje posadke, ki leti na Mars ali druge planete. Njihov presežek lahko naredi misijo predrago in neuresničljivo, pomanjkanje prihodnjih privržencev Marka Watneyja iz Marsovca pa do počasne smrti.
Kljub temu, da znanstveniki že tisoč let preučujejo rastline, ni tako enostavno pripraviti takšnih ocen, saj je hitrost njihove rasti in pridobivanje biomase odvisna od številnih različnih bioloških in fizikalnih dejavnikov - količine vlage in elementov v sledovih v tleh, stopnje osvetljenosti in več deset drugih stvari. Poleg tega je biomaso težko težko "tehtati", ne da bi rastlino ubili sami, kar posega v oceno njene stopnje rasti.
Shadrin in njegovi kolegi Skoltech Rupert Gerzer, Tatjana Podladčikova in Andrey Somov so ugotovili, kako hitro in natančno narediti takšne ocene z opazovanjem rasti pritlikavih paradižnikov s pomočjo 3D in 2D kamer.
Z analizo stanja paradižnika na različnih stopnjah rasti so ruski znanstveniki lahko sklepali o več vzorcih, povezanih z naborom biomase, in jih uporabili za ustvarjanje strojnih sistemov za učenje, ki so sposobni oceniti te lastnosti, z analizo preprostih dvodimenzionalnih fotografij listov paradižnika in tridimenzionalnega modela rastline.
Promocijski video:
Nadaljnja opažanja so pokazala, da je ta program pravilno napovedoval stopnjo rasti paradižnika in tudi več sort solate v prvih 30 dneh njihovega življenja po sajenju. To omogoča, da se uporablja ne le za izračun "vesoljskih" sistemov življenjske podpore, ampak tudi za optimizacijo delovanja rastlinjakov.