Machine Learning som metode til at mindske pesticidforbruget

Ukrudt forgår ej så let! Den sætning har vi hørt før. Men vi har også hørt, at pesticidforbruget bør begrænses. Derfor stiller både Miljø- og Fødevarestyrelsen og forbrugerne i dag store krav til landbruget og fødevareindustriens brug af pesticider.

De seneste års udvikling inden for maskinlæringsteknikker, som fx deep learning, har sat gang i en industriel udvikling. Selvom deep learning ikke er ukrudtsmiddel i sig selv, vil dette webinar tage os helt med ud i marken blandt ukrudt og skadelige insektarter og gøre os klogere på, hvordan teknikken kan være med til at reducere brugen af pesticider.

Helt konkret stiller vi med tre forskellige oplæg, skarpt på metodens muligheder inden for:

  • Billedgenkendelse og kamerateknologi i marker: Kortlægning af artsammensætningen i kløvergræsmarker til optimerede tildelingskort vha. ATV-monteret kamera, deep learning og kunstige billeder
  • Identifikation af skadelige insekter, inden de når at sprede sig til hele plantagen
  • Dybe neurale netværk, som kan processere data fra satellitter og vejrinstallationer

Program

9.30  Velkomst og program
v. Marie Yde Bak, facilitator, InfinIT

9:35  Kortlægning af blandede afgrøder med deep learning
v. Søren K. Skovsen, ph.d.-studerende, Aarhus Universitet

Søren viser vha. overbevisende visualiseringer den nyeste forskning i kortlægning af kløvergræsmarker med vha. høj billedkvalitet og deep learning. Oplægget tager udgangspunkt i projekterne SmartGrass og CloverSense, og kommer bl.a. ind på hvordan man ved hjælp af data syntetisering (kunstige billeder) kan accelerere udviklingen af deep learning modeller til den virkelige verden.

9:50 Deep learning til insektgenkendelse​
v. Kristian Tølbøl Rasmussen, Visual Computing Engineer, Alexandra Instituttet

Kristian inviterer os ind i et miniprojekt, hvor der er arbejdet med at bruge computer vision til at skelne insektarter, og diskuterer hvad der skal til, hvis man skal bygge sin egen deep learning-integrerede insektfælde. Han sammenligner desuden med nogle af de kommercielt tilgængelige produkter på markedet.

10.10 Dybe neurale netværk, som kan processere data fra satellitter og vejrinstallationer
v. Morten Birk, co-founder and Data Scientist, FieldSense

Morten fortæller om, hvordan FieldSense anvender dybe neurale netværk til at processere data fra satellitter og vejrstationer. FieldSense leverer graduerede tildelingskort til gødskning og sprøjtning, hvorved bl.a. brugen af kemi kan reduceres. Her anvendes kunstig intelligens eksempelvis til rensning af data og til automatisk afgrødebestemmelse. Med deres store antal af vejrstationer kan de levere hyperlokale vejrdata, der bl.a. anvendes til at sprøjte under optimale forhold. Kunstig intelligens hjælper her her med at downscale vejrprognoser til den enkelte mark.

10.20 Spørgsmål
v. Marie Yde Bak

10.30 Afslutning


Se præsentationer og optagelse fra webinaret

 

Dato og tid

11. december 2020
9:30 – 10:30

Sted

Webinar - link udsendes ved tilmelding

Pris

Det er gratis at deltage

Marie Yde Bak

Facilitator
Alexandra Instituttet Tlf. 51 24 33 88

Hvis du har spørgsmål vedrørende arrangementet, er du velkommen til at kontakte Marie Yde Bak.