Выращивание сельскохозяйственных культур на открытых пространствах может осложняться глобальными изменениями климата и инвазивными видами, в том числе активностью насекомых-вредителей. Одним из методов повышения устойчивости растений служит селекция путем генетических модификаций. Однако это требует полной расшифровки генома и является трудоемким. В качестве альтернативы выступает внедрение теплиц, позволяющих увеличить объем продукта при снижении занимаемой земли, в частности вертикальных ферм. В этом случае посадка семян осуществляется в специальном многоэтажном помещении, при этом солнечный свет нередко заменяется искусственным, что ускоряет рост.
Иная концепция заключается в построении систем с контролируемым выращиванием. По этой схеме реализован персональный пищевой компьютер (Personal Food Computer) OpenAg, прототип которого американские инженеры представили в 2015 году. Первоначально он включал себя металлический контейнер, механические и электронные компоненты которого — насосы для подачи удобрений и воды, светодиоды, датчики — обеспечивали тонкую настройку внутреннего климата. Кроме того, разработчики сконструировали более массивную и сегментированную версию системы, Food Server, — в каждой ячейке поддерживались разные условия, а каркасом для нее служил грузовой контейнер.
Конструкция прототипа предполагала ручную настройку параметров. Но в 2016 году авторы начали сотрудничество с американской компанией Sentient Technologies, которая занимается разработками в области машинного обучения. Участники проекта интегрировали алгоритмы машинного зрения с OpenAg, что позволило автоматизировать процессы выращивания. В зависимости от целей, новая система параллельно анализировала состояние саженцев в нескольких сегментах и при необходимости корректировала климатические условия. В будущем такая теплица может значительно упростить промышленное культивирование растений, например, выращивание «мексиканского» авокадо вне тропических регионов.
Также ученым удалось оптимизировать компьютерный алгоритм для получения растений с заданными свойствами. В частности, систему обучили варьировать уровень определенных ароматических соединений в базилике (Ócimum) — травы этого рода являются одними из наиболее быстрорастущих, что облегчает проверку гипотез, а также широко применяются в пищевой промышленности. Испытания показали, что в перспективе при непрерывной работе машина могла увеличить долю таких веществ в двух образцах на 674–895 процентных пунктов. Примечательно, что алгоритм также освоил культивирование с учетом принципа массы-вкуса — отрицательной корреляции между этими параметрами.
Отмечается, что, в отличие от аналогов, сборка представленной системы может осуществляться самостоятельно: алгоритм имеет открытый исходный код, а инструкции опубликованы на странице проекта.
Иная концепция заключается в построении систем с контролируемым выращиванием. По этой схеме реализован персональный пищевой компьютер (Personal Food Computer) OpenAg, прототип которого американские инженеры представили в 2015 году. Первоначально он включал себя металлический контейнер, механические и электронные компоненты которого — насосы для подачи удобрений и воды, светодиоды, датчики — обеспечивали тонкую настройку внутреннего климата. Кроме того, разработчики сконструировали более массивную и сегментированную версию системы, Food Server, — в каждой ячейке поддерживались разные условия, а каркасом для нее служил грузовой контейнер.
Конструкция прототипа предполагала ручную настройку параметров. Но в 2016 году авторы начали сотрудничество с американской компанией Sentient Technologies, которая занимается разработками в области машинного обучения. Участники проекта интегрировали алгоритмы машинного зрения с OpenAg, что позволило автоматизировать процессы выращивания. В зависимости от целей, новая система параллельно анализировала состояние саженцев в нескольких сегментах и при необходимости корректировала климатические условия. В будущем такая теплица может значительно упростить промышленное культивирование растений, например, выращивание «мексиканского» авокадо вне тропических регионов.
Также ученым удалось оптимизировать компьютерный алгоритм для получения растений с заданными свойствами. В частности, систему обучили варьировать уровень определенных ароматических соединений в базилике (Ócimum) — травы этого рода являются одними из наиболее быстрорастущих, что облегчает проверку гипотез, а также широко применяются в пищевой промышленности. Испытания показали, что в перспективе при непрерывной работе машина могла увеличить долю таких веществ в двух образцах на 674–895 процентных пунктов. Примечательно, что алгоритм также освоил культивирование с учетом принципа массы-вкуса — отрицательной корреляции между этими параметрами.
Отмечается, что, в отличие от аналогов, сборка представленной системы может осуществляться самостоятельно: алгоритм имеет открытый исходный код, а инструкции опубликованы на странице проекта.
