Ilmuwan dari Skoltech telah menciptakan sistem pembelajaran mesin yang akan membantu badan antariksa di dunia untuk memilih tanaman yang "tepat" untuk menyediakan misi luar angkasa jangka panjang di masa depan dengan jumlah biomassa dan oksigen yang dibutuhkan. Temuan mereka dipresentasikan dalam jurnal IEEE Pervasive Computing.
“Keuntungan utama dari metode kami adalah memperoleh gambar tiga dimensi untuk setiap spesies tanaman hanya sekali. Setelah itu untuk memprediksi pertumbuhan biomassa cukup menggunakan kamera yang paling sederhana. Ini sangat menyederhanakan dan mengurangi biaya peramalan, sistem kontrol dan optimisasi untuk rumah kaca dan sistem pendukung kehidupan buatan di luar angkasa,”catat Dmitry Shadrin, seorang mahasiswa pascasarjana Skoltech, dikutip oleh layanan pers universitas.
Penerbangan luar angkasa jangka panjang, menurut para ahli NASA dan Roscosmos hari ini, akan membutuhkan penciptaan sistem pendukung kehidupan yang sepenuhnya otonom yang memungkinkan produksi air, oksigen, dan semua nutrisi yang diperlukan untuk waktu yang tidak terbatas.
Tumbuhan dan berbagai alga uniseluler, yang mampu menghasilkan biomassa dalam jumlah banyak dan dengan kecepatan tinggi, dianggap sebagai kunci penciptaannya saat ini. Selama dua dekade terakhir, para ilmuwan telah membuat kemajuan signifikan ke arah ini, menciptakan dua rumah kaca di atas ISS dan menanam kubis, selada, aster, dan banyak tanaman lain di dalamnya.
Keberhasilan seperti itu membuat ahli biologi, dokter luar angkasa, dan peneliti lain bertanya-tanya berapa banyak tumbuhan yang dibutuhkan untuk kelangsungan hidup awak yang terbang ke Mars atau planet lain. Kelebihan mereka dapat membuat misi terlalu mahal dan tidak dapat diwujudkan, dan kurangnya pengikut masa depan Mark Watney dari "The Martian" menjadi kematian yang lambat.
Terlepas dari kenyataan bahwa para ilmuwan telah mempelajari tanaman selama ribuan tahun, tidak mudah untuk menyiapkan perkiraan seperti itu, karena laju pertumbuhan dan perolehan biomassa bergantung pada banyak faktor biologis dan fisik yang berbeda - jumlah kelembapan dan elemen jejak di tanah, tingkat iluminasi, dan lusinan hal lainnya. Selain itu, biomassa itu sendiri agak sulit untuk "ditimbang" tanpa mematikan tanaman itu sendiri, yang mengganggu penilaian laju pertumbuhannya.
Shadrin dan rekan Skoltech-nya, Rupert Gerzer, Tatiana Podladchikova, dan Andrey Somov, menemukan cara membuat penilaian tersebut secara cepat dan akurat dengan mengamati pertumbuhan tomat kerdil menggunakan kamera 3D dan 2D.
Dengan menganalisis keadaan tomat pada berbagai tahap pertumbuhan, para ilmuwan Rusia dapat menyimpulkan beberapa pola yang terkait dengan kumpulan biomassa dan menggunakannya untuk membuat sistem pembelajaran mesin yang mampu menilai karakteristik ini dengan menganalisis foto dua dimensi sederhana dari daun tomat dan model tanaman tiga dimensi.
Video promosi:
Pengamatan lebih lanjut menunjukkan bahwa program ini memprediksi dengan tepat tingkat pertumbuhan tomat, serta beberapa varietas selada, selama 30 hari pertama kehidupan mereka setelah tanam. Hal ini memungkinkannya untuk digunakan tidak hanya untuk menghitung sistem pendukung kehidupan "ruang", tetapi juga untuk mengoptimalkan pengoperasian rumah kaca.
