Naukowcy ze Skoltech stworzyli system uczenia maszynowego, który pomoże agencjom kosmicznym na całym świecie wybrać „właściwe” rośliny, aby zapewnić przyszłym długoterminowym misjom kosmicznym wymaganą ilość biomasy i tlenu. Ich ustalenia zostały zaprezentowane w czasopiśmie IEEE Pervasive Computing.
„Główną zaletą naszej metody jest to, że wystarczy jeden raz uzyskać trójwymiarowy obraz każdego gatunku rośliny. Po tym, aby przewidzieć przyrost biomasy, wystarczy skorzystać z najprostszych kamer. To znacznie upraszcza i zmniejsza koszty prognozowania, sterowania i optymalizacji systemów szklarni i sztucznych systemów podtrzymywania życia w kosmosie”, zauważa Dmitry Shadrin, absolwent Skoltech, cytowany przez wydział prasowy uniwersytetu.
Długoterminowe loty kosmiczne, według dzisiejszych ekspertów NASA i Roscosmos, będą wymagały stworzenia w pełni autonomicznych systemów podtrzymywania życia, które pozwolą na produkcję wody, tlenu i wszystkich niezbędnych składników odżywczych przez nieograniczony czas.
Rośliny i różne jednokomórkowe glony, zdolne do produkcji biomasy w dużych ilościach i z dużą prędkością, są dziś uważane za klucz do ich stworzenia. W ciągu ostatnich dwudziestu lat naukowcy poczynili znaczne postępy w tym kierunku, tworząc dwie szklarnie na pokładzie ISS i uprawiając w nich kapustę, sałatę, astry i wiele innych roślin.
Takie sukcesy sprawiają, że biologowie, lekarze kosmosu i inni badacze zastanawiają się, ile roślin jest potrzebnych do przetrwania załogi lecącej na Marsa lub inne planety. Ich nadmiar może sprawić, że misja stanie się zbyt droga i nierealna, a brak - skazać przyszłych wyznawców Marka Watneya od „Marsjanina” na powolną śmierć.
Pomimo tego, że naukowcy badają rośliny od tysięcy lat, przygotowanie takich szacunków nie jest tak łatwe, ponieważ tempo ich wzrostu i przyrostu biomasy zależy od wielu różnych czynników biologicznych i fizycznych - ilości wilgoci i pierwiastków śladowych w glebie, poziomu oświetlenia i dziesiątek innych rzeczy. Ponadto sama biomasa jest raczej trudna do „zważenia” bez zabijania samej rośliny, co przeszkadza w ocenie tempa jej wzrostu.
Shadrin i jego koledzy ze Skoltechu, Rupert Gerzer, Tatiana Podladchikova i Andrey Somov, zorientowali się, jak szybko i dokładnie dokonać takich ocen, obserwując wzrost pomidorów karłowatych za pomocą kamer 3D i 2D.
Analizując stan pomidorów w różnych fazach wzrostu, rosyjscy naukowcy byli w stanie wydedukować kilka wzorców związanych z zestawem biomasy i wykorzystali je do stworzenia systemów uczenia maszynowego zdolnych do oceny tych cech, analizując proste dwuwymiarowe zdjęcia liści pomidora i trójwymiarowy model rośliny.
Film promocyjny:
Dalsze obserwacje wykazały, że program ten prawidłowo przewidział tempo wzrostu pomidorów, a także kilku odmian sałaty, w ciągu pierwszych 30 dni ich życia po posadzeniu. Pozwala to na wykorzystanie go nie tylko do obliczania „kosmicznych” systemów podtrzymywania życia, ale także do optymalizacji pracy szklarni.