Cientistas da Skoltech criaram um sistema de aprendizado de máquina que ajudará as agências espaciais do mundo todo a selecionar as plantas "certas" para fornecer a quantidade necessária de biomassa e oxigênio para futuras missões de longo prazo ao espaço. Suas descobertas foram apresentadas na revista IEEE Pervasive Computing.
“A principal vantagem do nosso método é que basta obter uma imagem tridimensional de cada espécie de planta apenas uma vez. Depois disso, para prever o crescimento da biomassa, basta usar as câmeras mais simples. Isso simplifica e reduz muito o custo dos sistemas de previsão, controle e otimização para estufas e sistemas de suporte de vida artificial no espaço”, observa Dmitry Shadrin, um estudante graduado da Skoltech, citado pelo serviço de imprensa da universidade.
Os voos espaciais de longo prazo, de acordo com especialistas da NASA e da Roscosmos hoje, exigirão a criação de sistemas de suporte de vida totalmente autônomos que permitam a produção de água, oxigênio e todos os nutrientes necessários por um tempo ilimitado.
As plantas e várias algas unicelulares, capazes de produzir biomassa em grandes quantidades e em alta velocidade, são hoje consideradas a chave de sua criação. Nas últimas duas décadas, os cientistas fizeram progressos significativos nessa direção, criando duas estufas a bordo da ISS e cultivando repolho, alface, ásteres e muitas outras plantas nelas.
Esses sucessos fazem biólogos, médicos espaciais e outros pesquisadores se perguntarem quantas plantas são necessárias para a sobrevivência de uma tripulação que voa para Marte ou outros planetas. Seu excesso pode tornar a missão muito cara e irrealizável, e a falta de futuros seguidores de Mark Watney de "O Marciano" a uma morte lenta.
Apesar do fato de que os cientistas vêm estudando plantas há milhares de anos, não é tão fácil preparar tais estimativas, uma vez que a taxa de seu crescimento e ganho de biomassa depende de muitos fatores biológicos e físicos diferentes - a quantidade de umidade e oligoelementos no solo, o nível de iluminação e dezenas de outras coisas. Além disso, a própria biomassa é bastante difícil de "pesar" sem matar a própria planta, o que interfere na avaliação de sua taxa de crescimento.
Shadrin e seus colegas da Skoltech, Rupert Gerzer, Tatiana Podladchikova e Andrey Somov, descobriram como fazer essas avaliações com rapidez e precisão, observando o crescimento de tomates anões usando câmeras 3D e 2D.
Ao analisar o estado dos tomates em diferentes estágios de crescimento, os cientistas russos foram capazes de deduzir vários padrões associados ao conjunto de biomassa e usá-los para criar sistemas de aprendizado de máquina capazes de avaliar essas características por meio da análise de fotografias bidimensionais simples de folhas de tomate e um modelo tridimensional da planta.
Vídeo promocional:
Outras observações mostraram que este programa previu corretamente a taxa de crescimento do tomate, bem como de diversas variedades de alface, durante os primeiros 30 dias de vida após o plantio. Isso permite que ele seja usado não apenas para calcular sistemas de suporte de vida "espaciais", mas também para otimizar o funcionamento de estufas.
