Wissenschaftler von Skoltech haben ein maschinelles Lernsystem entwickelt, mit dem Weltraumagenturen der Welt die "richtigen" Pflanzen auswählen können, um zukünftige langfristige Weltraummissionen mit der erforderlichen Menge an Biomasse und Sauerstoff zu versorgen. Ihre Ergebnisse wurden in der Zeitschrift IEEE Pervasive Computing vorgestellt.
„Der Hauptvorteil unserer Methode besteht darin, dass es ausreicht, für jede Pflanzenart nur einmal ein dreidimensionales Bild zu erhalten. Danach reicht es aus, die einfachsten Kameras zu verwenden, um das Wachstum der Biomasse vorherzusagen. Dies vereinfacht und reduziert die Kosten für Prognose-, Steuerungs- und Optimierungssysteme für Gewächshäuser und künstliche Lebenserhaltungssysteme im Weltraum erheblich “, zitiert Dmitry Shadrin, ein Doktorand von Skoltech, der vom Pressedienst der Universität zitiert wird.
Langfristige Raumflüge erfordern laut Experten von NASA und Roscosmos heute die Schaffung vollständig autonomer Lebenserhaltungssysteme, die die Produktion von Wasser, Sauerstoff und allen notwendigen Nährstoffen für eine unbegrenzte Zeit ermöglichen.
Pflanzen und verschiedene einzellige Algen, die in der Lage sind, Biomasse in großen Mengen und mit hoher Geschwindigkeit zu produzieren, gelten heute als Schlüssel zu ihrer Entstehung. In den letzten zwei Jahrzehnten haben Wissenschaftler bedeutende Fortschritte in dieser Richtung erzielt, indem sie zwei Gewächshäuser an Bord der ISS geschaffen und Kohl, Salat, Astern und viele andere Pflanzen darin angebaut haben.
Solche Erfolge lassen Biologen, Weltraumärzte und andere Forscher sich fragen, wie viele Pflanzen für das Überleben einer Besatzung benötigt werden, die zum Mars oder zu anderen Planeten fliegt. Ihr Übermaß kann die Mission zu teuer und nicht realisierbar machen, und der Mangel - das Schicksal zukünftiger Anhänger von Mark Watney von "The Martian" zu einem langsamen Tod.
Trotz der Tatsache, dass Wissenschaftler Pflanzen seit Tausenden von Jahren untersuchen, ist es nicht so einfach, solche Schätzungen zu erstellen, da die Wachstumsrate und der Biomassegewinn von vielen verschiedenen biologischen und physikalischen Faktoren abhängen - der Menge an Feuchtigkeit und Spurenelementen im Boden, dem Beleuchtungsgrad und Dutzenden anderer Dinge. Darüber hinaus ist es ziemlich schwierig, die Biomasse selbst zu "wiegen", ohne die Pflanze selbst abzutöten, was die Beurteilung ihrer Wachstumsrate beeinträchtigt.
Shadrin und seine Skoltech-Kollegen Rupert Gerzer, Tatiana Podladchikova und Andrey Somov haben herausgefunden, wie solche Bewertungen schnell und genau durchgeführt werden können, indem das Wachstum von Zwerg-Tomaten mithilfe von 3D- und 2D-Kameras beobachtet wird.
Durch die Analyse des Zustands von Tomaten in verschiedenen Wachstumsstadien konnten russische Wissenschaftler verschiedene Muster ableiten, die mit dem Biomassesatz verbunden sind, und daraus maschinelle Lernsysteme erstellen, mit denen diese Eigenschaften durch Analyse einfacher zweidimensionaler Fotografien von Tomatenblättern und eines dreidimensionalen Modells der Pflanze bewertet werden können.
Werbevideo:
Weitere Beobachtungen zeigten, dass dieses Programm die Wachstumsrate von Tomaten sowie mehreren Salatsorten in den ersten 30 Tagen ihres Lebens nach dem Pflanzen korrekt vorhersagte. Dies ermöglicht es, nicht nur zur Berechnung von Lebensraumhaltungssystemen im Weltraum, sondern auch zur Optimierung des Betriebs von Gewächshäusern verwendet zu werden.
