Skoltech zinātnieki ir izveidojuši mašīnmācīšanās sistēmu, kas pasaules kosmosa aģentūrām palīdzēs izvēlēties "pareizos" augus, lai nākotnē nodrošinātu ilgtermiņa kosmosa misijas ar nepieciešamo biomasas un skābekļa daudzumu. Viņu atradumi tika prezentēti žurnālā IEEE Pervasive Computing.
“Mūsu metodes galvenā priekšrocība ir tā, ka pietiek ar trīsdimensiju attēla iegūšanu katrai augu sugai tikai vienu reizi. Pēc tam, lai prognozētu biomasas pieaugumu, pietiek ar vienkāršāko kameru izmantošanu. Tas ievērojami vienkāršo un samazina siltumnīcu un mākslīgās dzīvības uzturēšanas sistēmu prognozēšanas, kontroles un optimizācijas sistēmu izmaksas kosmosā,”norāda Dmitrijs Šadrins, Skoltech maģistrants, ko citē universitātes preses dienests.
Ilgtermiņa kosmosa lidojumiem, kā šodien sacīja NASA un Roscosmos eksperti, būs jāizveido pilnīgi autonomas dzīvības uzturēšanas sistēmas, kas ļauj neierobežoti ilgi ražot ūdeni, skābekli un visas nepieciešamās barības vielas.
Mūsdienās par radīšanas atslēgu tiek uzskatīti augi un dažādas vienšūnas aļģes, kas spēj ražot biomasu lielos daudzumos un lielā ātrumā. Pēdējo divu desmitgažu laikā zinātnieki ir ievērojami progresējuši šajā virzienā, izveidojot divas siltumnīcas uz ISS un audzējot tajās kāpostus, salātus, asteres un daudzus citus augus.
Šādi panākumi liek biologiem, kosmosa ārstiem un citiem pētniekiem brīnīties, cik augu ir nepieciešami apkalpes izdzīvošanai, kas lido uz Marsu vai citām planētām. Viņu pārmērība var padarīt misiju par dārgu un nerealizējamu, un to, ka Marka Vatneja nākamajiem sekotājiem no "Marsa" līdz lēnajai nāvei ir jānolemj.
Neskatoties uz to, ka zinātnieki ir pētījuši augus tūkstošiem gadu, nav tik viegli sagatavot šādas aplēses, jo to augšanas un biomasas pieauguma ātrums ir atkarīgs no daudziem dažādiem bioloģiskiem un fizikāliem faktoriem - mitruma un mikroelementu daudzuma augsnē, apgaismojuma līmeņa un desmitiem citu lietu. Turklāt pašu biomasu ir diezgan grūti "nosvērt", nenogalinot pašu augu, kas traucē novērtēt tā augšanas ātrumu.
Šadrīns un viņa Skoltech kolēģi Ruperts Gerzers, Tatjana Podladčikova un Andrejs Somovs izdomāja, kā ātri un precīzi veikt šādus novērtējumus, novērojot punduru tomātu augšanu, izmantojot 3D un 2D kameras.
Analizējot tomātu stāvokli dažādos augšanas posmos, krievu zinātnieki spēja izsecināt vairākus modeļus, kas saistīti ar iestatīto biomasas daudzumu, un tos izmantoja, lai izveidotu mašīnmācīšanās sistēmas, kas spēj novērtēt šīs īpašības, analizējot vienkāršas tomātu lapu divdimensiju fotogrāfijas un auga trīsdimensiju modeli.
Reklāmas video:
Papildu novērojumi parādīja, ka šī programma pareizi prognozēja tomātu, kā arī vairāku salātu šķirņu augšanas ātrumu pirmajās 30 dzīves dienās pēc stādīšanas. Tas ļauj to izmantot ne tikai "kosmosa" dzīvības atbalsta sistēmu aprēķināšanai, bet arī siltumnīcu darbības optimizēšanai.