Les scientifiques de Skoltech ont créé un système d'apprentissage automatique qui aidera les agences spatiales du monde entier à sélectionner les «bonnes» plantes pour fournir à de futures missions spatiales à long terme la quantité requise de biomasse et d'oxygène. Leurs résultats ont été présentés dans la revue IEEE Pervasive Computing.
«Le principal avantage de notre méthode est qu'il suffit d'obtenir une image tridimensionnelle pour chaque espèce végétale une seule fois. Après cela, pour prédire la croissance de la biomasse, il suffit d'utiliser les caméras les plus simples. Cela simplifie et réduit considérablement le coût des systèmes de prévision, de contrôle et d'optimisation des serres et des systèmes de survie artificielle dans l'espace », note Dmitry Shadrin, étudiant diplômé de Skoltech, cité par le service de presse de l'université.
Les vols spatiaux à long terme, selon les experts de la NASA et de Roscosmos aujourd'hui, nécessiteront la création de systèmes de survie entièrement autonomes qui permettent la production d'eau, d'oxygène et de tous les nutriments nécessaires pendant une durée illimitée.
Les plantes et diverses algues unicellulaires, capables de produire de la biomasse en grande quantité et à grande vitesse, sont aujourd'hui considérées comme la clé de leur création. Au cours des deux dernières décennies, les scientifiques ont fait des progrès significatifs dans cette direction, créant deux serres à bord de l'ISS et y cultivant du chou, de la laitue, des asters et de nombreuses autres plantes.
De tels succès poussent les biologistes, les médecins de l'espace et d'autres chercheurs à se demander combien de plantes sont nécessaires pour la survie d'un équipage volant vers Mars ou d'autres planètes. Leur excès peut rendre la mission trop coûteuse et irréalisable, et le manque - condamner les futurs adeptes de Mark Watney de "The Martian" à une mort lente.
Malgré le fait que les scientifiques étudient les plantes depuis des milliers d'années, il n'est pas si facile de préparer de telles estimations, car le taux de croissance et le gain de biomasse dépendent de nombreux facteurs biologiques et physiques différents - la quantité d'humidité et d'oligo-éléments dans le sol, le niveau d'éclairage et des dizaines d'autres choses. De plus, la biomasse elle-même est assez difficile à «peser» sans tuer la plante elle-même, ce qui interfère avec l'évaluation de son taux de croissance.
Shadrin et ses collègues de Skoltech, Rupert Gerzer, Tatiana Podladchikova et Andrey Somov, ont compris comment effectuer rapidement et avec précision de telles évaluations en observant la croissance des tomates naines à l'aide de caméras 3D et 2D.
En analysant l'état des tomates à différents stades de croissance, les scientifiques russes ont pu déduire plusieurs modèles associés à l'ensemble de la biomasse et les ont utilisés pour créer des systèmes d'apprentissage automatique capables d'évaluer ces caractéristiques en analysant de simples photographies bidimensionnelles de feuilles de tomates et un modèle tridimensionnel de la plante.
Vidéo promotionelle:
D'autres observations ont montré que ce programme prévoyait correctement le taux de croissance des tomates, ainsi que de plusieurs variétés de laitue, pendant les 30 premiers jours de leur vie après la plantation. Cela lui permet d'être utilisé non seulement pour le calcul des systèmes de survie «spatiaux», mais aussi pour l'optimisation du fonctionnement des serres.
