神經網路加速機器學習預測植物生長模式

摘要

俄羅斯斯科爾科沃科技學院的研究團隊結合圖形處理器與最新的機器學習演算法，打造出具有人工智慧的嵌入式系統，可智慧感測現有之生長狀態，最終預測植物葉片可能之生長潛勢。

　　全球農業發展將逐步邁向智慧化生產，在人工智慧(artificial intelligence，簡稱AI)的導入下，農業機具(械)將可藉由機器學習(machine learning)的過程，發展出一套自動化流程，即時回饋最新的資訊並修正先前決策，使機器在決策之餘優化其表現，藉此提升農業生產作業。

　　俄羅斯斯科爾科沃科技學院(Skolkovo Institute of Science and Technology，簡稱Skoltech)的研究團隊在人工智慧的核心中導入循環神經網路(Recurrent Neural Network，簡稱RNN)，做為機器學習主要的演算法，且為彌補循環神經網路的不足，研究團隊另外加入長短期記憶網路(Long Short Term Memory Network，簡稱LSTM)進行系統優化，藉此提升機器學習的效能。研究團隊結合圖形處理器(graphics processing unit，簡稱GPU)與最新的機器學習演算法，打造出具有人工智慧的嵌入式系統，可智慧感測(smart sensing)現有之生長狀態，最終預測植物葉片可能之生長潛勢。此外，該嵌入式系統可在普通鋰離子電池的驅動下運行長達180天，長期觀察並預測作物的生理性狀變化，發揮低耗能高效能的系統優勢。【延伸閱讀】在機器學習的輔助下記錄植物立體表徵

　　除此之外，關於植物生長的重要參數則由德國航空太空中心(德文：Deutsches Zentrum für Luft- und Raumfahrt，簡稱DLR；英譯：German Aerospace Center)提供，做為初始機器學習的基礎。該研究有助於釐清植物在人工生長系統中的生長潛勢，為長期監控及作物生長預測方面提供相對應之嵌入式人工智慧系統。

　　該研究已發表在<IEEE Transactions on Instrumentation and Measurement>。

神經網路加速機器學習預測植物生長模式

摘要

推薦文章