เมื่อเร็วๆ นี้ นักวิจัยจากมหาวิทยาลัยแสตนด์ฟอร์ด (Standford University) ได้พัฒนาระบบ deep learning ที่สามารถทำนายผลผลิตของถั่วเหลืองผ่านภาพถ่ายดาวเทียมได้สำเร็จ
“การทำนายผลผลิตของพืชในประเทศที่พัฒนาแล้วกับเวลาในการเก็บเกี่ยวได้ล่วงหน้าได้อย่างแม่นยำนั้นเป็นหัวใจหลักในการป้องกันความอดอยาก ปรับปรุงความปลอดภัยของอาหาร และเป็นการพัฒนาทางด้านการเกษตรที่ยั่งยืน” นักวิจัยกล่าวในงานตีพิมพ์ “เทคนิคที่มีอยู่นั้นมีราคาแพงและยากในการขยายต่อยอด เช่นเดียวกับที่พวกเขาต้องการการเก็บข้อมูลสำรวจตามท้องถิ่น หากแต่วิธีการนี้ได้ใช้ข้อมูลที่เก็บจากระยะทางไกลอย่างเช่นข้อมูลภาพถ่ายดาวเทียม ซึ่งมีโอกาสจะทำให้ราคาถูกลงและเป็นอีกทางเลือกหนึ่งที่มีประสิทธิภาพได้”
โดยทีมวิจัยได้เทรนระบบ Long Short-Term Memory Recurrent Neural Network หรือ LSTM RNN บนเฟรมเวิร์ก TensorFlow กับข้อมูลทางการเกษตรจากสหรัฐอเมริกา ซึ่งนักวิจัยกล่าวว่าสิ่งที่ทำให้ระบบนี้มีความแตกต่างก็คือโครงข่ายประสาทเทียม Neural Network ที่ทำนายผลผลิตของพืชในอาร์เจนตินาและบราซิลนั้นได้ถูกเทรนบนข้อมูลของสหรัฐอเมริกา ซึ่งมีข้อมูลพร้อมใช้งานมากกว่า
“งานของพวกเราแสดงให้เห็นถึงผลลัพธ์ที่มีแนวโน้มที่จะทำนายผลผลิตของถั่วเหลืองในอาร์เจนตินาโดยใช้เทคนิคระบบ deep learning ได้ นอกจากนี้พวกเรายังได้รับผลที่น่าพอใจโดยใช้วิธีการ transfer learning เพื่อนำไปทำนายผลการเก็บเกี่ยวถั่วเหลืองในบราซิลด้วยการใช้ข้อมูลจำนวนเพียงเล็กน้อยเท่านั้น” นักวิจัยระบุ “ความสามารถในการปรับปรุงประสิทธิภาพในการทำนายในเขตภูมิภาคด้วยข้อมูลที่จำนวนจำกัดโดยใช้วิธ๊ transfer learning นั้นเป็นสิ่งที่น่าตื่นเต้น เพราะภูมิภาคเหล่านี้จะได้รับประโยชน์ดังกล่าวจากเครื่องมือที่มีราคาต่ำและน่าเชื่อถือได้” ทีมงานอธิบายเพิ่มเติม
ทีมนักวิจัยกล่าวอีกว่าพวกเขาจะขยายความสามารถของวิธีการนี้ไปในภูมิภาคใหม่ๆ ในโลกที่พัฒนาแล้ว โดยงานวิจัยนี้ได้ตีพิมพ์ลงใน ACM Digital Library
Source : https://news.developer.nvidia.com/ai-helps-predict-soybean-production-in-argentina-and-brazil/