Skolkovo科学技术研究所（Skoltech）的科学家利用计算机视觉和机器学习技术来预测植物生物量。

    随着人口的增长，Skoltech的普适农业研究越来越重要。根据Skoltech的说法，通过利用计算机视觉和机器学习等先进技术，科学家可以预测人工环境中的植物生长，最终将有助于提高地球和太空精准农业的效率。

    Skoltech的三名教授Rupert Gerzer，Tatiana Podladchikova和Andrey Somov以及Skoltech博士生Dmitry Shadrin开发了这种新方法。 第一步是收集数据，通过使用3D相机测量人工无土栽培系统中的植物生长，建立总生物量的增加与叶子的总表面积的增加之间的关系。 团队使用2D相机捕获叶子的总表面积的增加，并基于这些测量建立动态植物生长模型。

    新方法的关键区别特征是使用2D和3D相机收集数据 - 这种方法无需多参数计算。 据该团队称，叶面积和植物生物量数据，加上有效的数学模型，是准确结果的保证。
    该实验使用专门设计的自动化系统，该系统具有人工生长能力，通过2D和3D相机以及环境传感器进行。该系统使用机器学习算法来模拟植物生长并预测其动态。 在实验过程中处理了10,000多张图像，为米丘林斯克州立大学高科技实验温室农场目前正在进行的植物生长优化项目奠定了基础。

    “我们方法的关键优势在于只需获得一次每种植物物种的3D图像就足够了。然后，您可以使用最简单的相机预测温室中的生物量增长。这使得预测更简单，成本更低，为温室和人工生命支持系统监测和优化系统 ”研究的主要作者德米特里沙德林说。 
    Skoltech航天中心教授Tatiana Podladchikova也评论道。

    “观察和实验是我们对世界认识的基础，Skoltech博士生Dmitry Shadrin用西红柿和生菜完成了一项独特的无土栽培试验。本实验中的新发现以及有效的数据分析和生物量增长预测方法都是有价值的，为在太空和地球上使用的自主生命支持系统的发展做出了贡献”她解释说。