Польские ученые создают инновационные методы прогнозирования урожайности технической конопли.
Группа ученых – Якуб Франковски, Доминика Серацкая и Мацей Заборович (Департамент биоэкономики, Институт натуральных волокон и лекарственных растений — Национальный исследовательский институт; Кафедра биосистемной инженерии, Познаньский университет естественных наук) опубликовала статью в журнале Agriculture 2023 на портале MDPI, в которой сообщает о внедрении передовых технологий в коноплеводческий сектор.
«Конопляная промышленность в последние годы активно развивается, и площади под технической коноплей постоянно растут. Например, в Европе количество гектаров конопляных плантаций увеличилось на 70% в период с 2013 по 2018 год, — пишут авторы. — Следовательно, в последние годы также было проведено много интересных исследований в области искусственного интеллекта в применении к конопле: для оценки влияния различных типов и концентраций источников углеводов и эффективности питательных веществ на скорость прорастания семян и морфологические особенности проростков конопли, выращенных in vitro; для выявления и классификации болезней конопли; для прогнозирования плотности в сухом состоянии, прочности на сжатие и теплопроводности биокомпозитов на основе конопли с использованием метода программирования экспрессии генов (GEP) на основе искусственного интеллекта.
Однако в настоящее время не существует объективной и удобной в использовании системы прогнозирования урожайности семян конопли технической. До сих пор урожайность прогнозировалась с использованием среднего количества семян, собранных в предыдущие годы, принимая во внимание, например, сорт или форму урожая.
Выращивание конопли, особенно на семенные цели, сложно, долго и трудоемко, но спрос на высококачественный семенной материал динамично растет. Это свидетельствует о необходимости проведения научных исследований, направленных на разработку нового эффективного метода прогнозирования урожайности семян отдельных сортов технической конопли.
В данной работе для создания обучающих выборок ИИ использовалась информация, собранная с семенных плантаций в Польше в 2019 и 2020 годах, где выращивались сорта Бялобжеское (Białobrzeskie) и Хенола (Henola).
Сорта для испытаний были выбраны в связи с их очень высокой популярностью как в Европе, так и в мире.
Сорт Бялобжеское (или Бялобжеские) — однодомный стабилизированный сорт с высоким содержанием клетчатки, культивируемый для текстильных целей с 1960-х годов. Он относится к среднеевропейским формам и, хотя адаптирован к польским климатическим и почвенным условиям, успешно культивируется и в других странах Европы, а также в Северной Америке, Южной Америке и Австралии среди прочих.
Сорт Хенола был выведен в ответ на растущий рыночный спрос на семена и масло конопли. Выведен путем положительного отбора однодомных растений, характеризующихся наименьшей высотой, хорошо развитыми соцветиями и коротким вегетационным периодом. В 2017 г. сорт был внесен в реестр Национального научно-исследовательского центра по испытанию сортов (RCCT). Срок вегетации примерно на месяц короче, чем у Бялобжеского, также популярен и культивируется во всем мире.
Фото предоставлено группой авторов статьи: Якуб Франковски, Доминика Серацкая, Мацей Заборович.
В набор данных для ИИ были включены 24 обучающие переменные, включая такие входные данные для построения нейронных моделей, как класс почвы, предшественник, количество семян, высеянных на гектар, погодные условия, форма урожая и т.д., а также 336 случаев серии семян.
Из подготовленной таким образом обучающей выборки были сгенерированы 3 модели прогнозирования ИИ:
- «Всхожесть и урожайность 1» с двумя выходными переменными: урожайность с гектара и всхожесть семян (%);
- «Всхожесть 1», с одной выходной переменной: всхожесть семян (%);
- «Урожайность 1» с одной выходной переменной: урожайность с гектара.
На основе проведенных исследований показано, что возможно создание прогнозной нейронной модели для оценки урожайности семян конопли технической на основе набора характеристик, полученных в ходе агротехнического процесса. Информации, полученной с семенных плантаций упомянутых сортов технической конопли, было достаточно для построения обучающей выборки для ИИ. Причем, может применяться моделирование с использованием одной выходной переменной, а именно урожайности семян, как для семеноводства, так и для производства продукции.
Краткосрочный прогноз урожая семян предоставит производителям и переработчикам информацию, полезную для планирования потребностей в работниках, технических средствах (включая сушильные камеры и линии очистки урожая подходящего размера) и транспорте. Это поможет оптимизировать затраты и, как следствие, увеличить доход от выращивания. Планируется продолжить исследования, пополнив набор данных информацией следующего вегетационного периода, что позволит оптимизировать набор входных данных для создания нейронной модели, которая сможет максимально точно прогнозировать урожай семян технической конопли в краткосрочной перспективе».
По статье группы авторов (Якуб Франковски, Доминика Серацкая, Мацей Заборович), опубликованной на портале www.mdpi.com.