神經網路加速機器學習預測植物生長模式
832
文章來源 : 農業科技決策資訊平台 2019-11-12
全球農業發展將逐步邁向智慧化生產，在人工智慧(artificial intelligence，簡稱AI)的導入下，農業機具(械)將可藉由機器學習(machine learning)的過程，發展出一套自動化流程，即時回饋最新的資訊並修正先前決策，使機器在決策之餘優化其表現，藉此提升農業生產作業。
俄羅斯斯科爾科沃科技學院(Skolkovo Institute of Science and Technology，簡稱Skoltech)的研究團隊在人工智慧的核心中導入循環神經網路(Recurrent Neural Network，簡稱RNN)，做為機器學習主要的演算法，且為彌補循環神經網路的不足，研究團隊另外加入長短期記憶網路(Long Short Term Memory Network，簡稱LSTM)進行系統優化，藉此提升機器學習的效能。研究團隊結合圖形處理器(graphics processing unit，簡稱GPU)與最新的機器學習演算法，打造出具有人工智慧的嵌入式系統，可智慧感測(smart sensing)現有之生長狀態，最終預測植物葉片可能之生長潛勢。此外，該嵌入式系統可在普通鋰離子電池的驅動下運行長達180天，長期觀察並預測作物的生理性狀變化，發揮低耗能高效能的系統優勢。【延伸閱讀】在機器學習的輔助下記錄植物立體表徵
除此之外，關於植物生長的重要參數則由德國航空太空中心(德文：Deutsches Zentrum für Luft- und Raumfahrt，簡稱DLR；英譯：German Aerospace Center)提供，做為初始機器學習的基礎。該研究有助於釐清植物在人工生長系統中的生長潛勢，為長期監控及作物生長預測方面提供相對應之嵌入式人工智慧系統。
該研究已發表在<IEEE Transactions on Instrumentation and Measurement>。
資料來源
1 則留言
