Tecnología de teledetección: ¡el módulo Hive-Vision!

Cuando los algoritmos de aprendizaje profundo se juntan con la agricultura vegetal para producir un nuevo dominio de aplicación en el siempre creciente campo del aprendizaje automático, sabíamos que nos encontrábamos con algo que no podía ser simplemente ignorado y barrido en algún lugar de nuestra colección de vídeos de ciencia ficción favoritos. Sí, estamos hablando de dar un salto más en la fusión de los circuitos impresos electrónicos con la vida multicelular vegetal. ¿Cómo? Se llama HiveVision.

El problema de la percepción

Al ser animales primates, los humanos son una especie muy visual. Así que lo más natural para nuestro equipo era equipar nuestro PlantHive con una cámara de alta resolución para acercarlo, evolutivamente hablando, a nuestros amigos aficionados a la agricultura. Sin embargo, dotar a la máquina de algún tipo de detector de fotones multiparamétrico no será suficiente para despertar los ojos de nuestro módulo de cámara PlantHive HiveVision. Esta es una barrera intrigante que los investigadores de la IA deben superar y que ha sido bautizada como el "problema de la percepción de la máquina".

Pruebe este rápido experimento mental. Cierra los ojos e intenta olvidar que el mundo está hecho de "cosas", que pueden distinguirse por su forma, color, olor o tacto. Olvida que esas cosas tienen nombres, etiquetas o atributos que se pueden enumerar en tu diccionario neurológico.

Abre los ojos, ¿qué ves? Si cayeras en una especie de trance meditativo, verías "nada". El mundo parecería un gran vacío, un espacio infinito de infinitas posibilidades e interpretaciones. ¿No sería imposible "saber" en qué concentrarse, mirando esta imagen de abajo? ¿Serías capaz de distinguir entre el fondo y el primer plano?

Si tiras por el váter todo tu repositorio de formas y olvidas todas las etiquetas que te han enseñado para etiquetar un determinado patrón, ¿cómo vas a poder extraerlo de este paisaje infinito de cosas potencialmente extraíbles? ¡Qué sensación tan aterradora!

De hecho, esto es exactamente lo que sentiría la cámara PlantHive... Más o menos... Porque las cámaras también tienen sentimientos. De alguna manera, para percibir, hay que decirle lo que tiene que ver: en primer lugar, limitando su campo de visión a un patrón concreto que se distinga del resto por su color o forma, y en segundo lugar, etiquetándolo con una palabra. Si se extrae, por ejemplo, el canal verde de esa imagen y se traza en una escala de grises, se vería algo así:

Cada uno de los píxeles verdes -en este caso las hojas de nuestra planta de chile- está aislado y será sólo cuestión de elegir el canal de color adecuado para definir bien lo que constituye el "fondo" (negro) y el "primer plano" (blanco). Disponiendo de unas medidas de referencia adicionales, por ejemplo la distancia entre la cámara y una de las columnas de PlantHive y la altura de esta última, podemos calcular la superficie del dosel. Además, su módulo HiveVision es capaz de tomar imágenes en el espectro infrarrojo cercano (NIR), lo que permite evaluar la reflectancia de la luz infrarroja del follaje, ¡que sorprendentemente se correlaciona con la concentración de clorofila! Basta con echar un vistazo al GIF de abajo, donde el gradiente de color azul-rojo da una medida relativa de la actividad fotosintética. El rojo corresponde a las hojas sanas, mientras que los píxeles azules (tallo) indican una baja concentración de clorofila.

Digamosque queremos hacer un análisis cualitativo de nuestra planta, tal vez identificando su especie. Aquí es donde entra en juego el aprendizaje profundo. Como su nombre indica, el módulo HiveVision se "entrena" tomando un gran conjunto de imágenes, por ejemplo, de diferentes plantas de pimiento y "etiquetando" esas imágenes con una etiqueta, que contiene información sobre lo que la cámara debe ver. De este modo, la cámara (más exactamente, su unidad de procesamiento) construye un modelo de cómo se supone que es una planta de pimiento y la próxima vez que tome una instantánea de una planta será capaz de decir si es una planta de pimiento o no, simplemente analizando la forma de sus hojas y comparándola con un modelo ya entrenado.Esta estructura a priori era, como ya habían teorizado filósofos empíricos del siglo^XVIII como Emmanuel Kant, necesaria y suficiente para que surgiera una experiencia perceptiva de un observador meramente pasivo sumergido en este universo infinito de píxeles distribuidos en un eje XY.Diagnóstico y remedio a distancia de las plantas¿Detecciónsin contacto? ¡Sí se puede! Como el Planthive está equipado con un higrómetro, podemos correlacionar la evolución del tamaño y el aspecto de las hojas con la humedad y la temperatura ambiente. Si, por ejemplo (como se muestra en la ilustración siguiente), las hojas empiezan a tener un aspecto deprimido, nuestro módulo HiveVision podrá relacionar este cambio con un descenso repentino de la humedad y tomar las medidas necesarias. Esto incluye, por ejemplo, la activación del humidificador para estabilizar la humedad a su valor normal y/o reajustar el espectro de luz de azul a rojo para reactivar la producción de clorofila.

Una IA que escanea tus plantas, combinada con un invernadero inteligente que regula su propio entorno sonaba hasta ahora como otra novela de Philip K. Dick. En este caso, el T-X 1000 no habría sido, probablemente, lo suficientemente avanzado como para cuidar de tus plantas favoritas. Por suerte, ¡tu Planthive se encarga de todo!

¡No te pierdas ninguna noticia de PlantHve! Manténgase en sintonía en nuestro sitio web y blog¡!

Esta entrada fue redactada por nuestro científico loco, Federicco Lucchetti, y editada por Vasileios Vallas