Forskere fra Skoltech har oprettet et maskinindlæringssystem, der hjælper verdensbureauer med at vælge de "rigtige" planter til at give fremtidige langvarige rummissioner den krævede mængde biomasse og ilt. Deres fund blev præsenteret i tidsskriftet IEEE Pervasive Computing.
”Den største fordel ved vores metode er, at det er nok at opnå et tredimensionelt billede for hver planteart kun én gang. For at forudsige væksten i biomasse er det nok at bruge de enkleste kameraer. Dette forenkler og reducerer omkostningerne ved forudsigelse, kontrol og optimering af drivhuse og kunstige livssystemer i rummet markant,”bemærker Dmitry Shadrin, en studerende i Skoltech, citeret af universitetets pressetjeneste.
Langsigtede rumflyvninger, ifølge NASA og Roscosmos-eksperter i dag, vil kræve oprettelse af fuldt autonome livsstøttesystemer, der tillader produktion af vand, ilt og alle de nødvendige næringsstoffer i en ubegrænset tid.
Planter og forskellige encellede alger, der er i stand til at producere biomasse i store mængder og i høj hastighed, betragtes som nøglen til deres oprettelse i dag. I løbet af de sidste to årtier har forskere gjort betydelige fremskridt i denne retning ved at skabe to drivhuse ombord på ISS og dyrke kål, salat, aster og mange andre planter i dem.
Sådanne succeser får biologer, rumlæger og andre forskere til at undre sig over, hvor mange planter der er behov for for at overleve en besætning, der flyver til Mars eller andre planeter. Deres overskridelse kan gøre missionen for dyr og urealiserbar, og manglen - undergang fremtidige tilhængere af Mark Watney fra "The Martian" til en langsom død.
På trods af det faktum, at forskere har studeret planter i tusinder af år, er det ikke så let at udarbejde sådanne estimater, da hastigheden af deres vækst og biomasseforøgelse afhænger af mange forskellige biologiske og fysiske faktorer - mængden af fugtighed og sporstoffer i jorden, lysniveauet og snesevis af andre ting. Derudover er selve biomassen temmelig vanskelig at "veje" uden at dræbe planten selv, hvilket griber ind i vurderingen af dens vækstrate.
Shadrin og hans Skoltech-kolleger, Rupert Gerzer, Tatiana Podladchikova og Andrey Somov, regnede ud, hvordan man hurtigt og præcist kunne foretage sådanne vurderinger ved at observere væksten af dværgtomater ved hjælp af 3D- og 2D-kameraer.
Ved at analysere tilstanden af tomater i forskellige vækstfaser var russiske forskere i stand til at udlede flere mønstre forbundet med biomassesættet og brugte dem til at skabe maskinindlæringssystemer, der var i stand til at vurdere disse egenskaber ved at analysere enkle to-dimensionelle fotografier af tomatblade og en tredimensionel model af planten.
Salgsfremmende video:
Yderligere observationer viste, at dette program korrekt forudsagde væksthastigheden for tomater såvel som flere salatsorter i de første 30 dage af deres liv efter plantning. Dette tillader, at det ikke kun bruges til beregning af "plads" -livsstøttesystemer, men også til at optimere driften af drivhuse.
