Testovanie technickej konopy pomocou spektrometra
Technické konope skrýva v sebe viacero zaujímavých látok. Väčšine ľudí pri zmienke o ňom napadne látka THC, ktorá má omamné účinky. Konope však obsahuje aj iné látky – kanabinoidy, ktoré môžu byť pre ľudí prospešnejšie.
Jedným z nich je CBD, o ktoré je v súčastnosti vďaka jeho širokému využitiu čoraz väčší záujem. Ľudia sa s touto látkou môžu stretnúť napríklad v kozmetike alebo v medicíne a poukazuje sa hlavne na jej protizápalové, ale aj neuroprotektívne účinky. Problémom pri pestovaní technickej konopy je však určenie dňa zberu tak, aby sa v rastline maximalizoval obsah látky CBD. V prípade poľnohospodára, ktorý pestuje technické konope sa každé vychýlenie odhadu správneho dňa zberu pretaví do finančnej straty. Čo najpresnejší odhad by pomohol pestovateľom konope, aby výrobky z ich rastlín dosahovali čo najvyššiu kvalitu.
V súčasnosti potrebujú zaslať vzorky do špeciálnych laboratórií. Proces vyhodnotenia trvá niekoľko dní, počas ktorých sa môžu obsahy látok v rastline zmeniť. To znamená, že kým pestovatelia dostanú výsledky testovania, už nie sú aktuálne. Navyše je pre nich tento proces taktiež finančne náročný.
Riešenie s pomocou spektrometra
Na riešenie nášho projektu sme sa rozhodli použiť strojové učenie. Mali sme k dispozícií vzorky technickej konopy, ktoré sme v spolupráci s firmou Masatech namerali pomocou iónového spektrometra. Cieľom našej práce bolo analyzovať a porovnávať viaceré merania (série spektier) týchto vzoriek a na základe týchto dát čo možno najlepšie určiť, kedy je pre poľnohospodára vhodný čas pre zber rastliny – v našom prípade z hľadiska najvyššej hodnoty látky CBD.
Na obr. 1 môžeme vidieť reprezentáciu výsledkov meraní z iónového spektrometra znázornenú na osiach karteziánskej sústavy. Na obr. 2 môžeme rovnako vidieť rozdiely v meraniach, znázornené sú pomocou tepelnej mapy (“Heat map”). Na oboch obrázkoch ide o porovnanie prvej a poslednej zbieranej vzorky. Navrhli sme prístup identifikácie hodnoty CBD z údajov, na ktorých sme po ich predspracovaní trénovali a pomocou krížovej validácie vyhodnocovali regresné modely, ktoré sme sa rozhodli použiť v našom riešení.
Tie sme sa snažili iteratívne vylepšovať a znižovať ich chybovosť. Najúspešnejší z regresných modelov bol schopný správne predikovať deň zberu s priemernou odchýlkou okolo 1,25 dňa a bol nasadený na webovej stránke, ktorej sme sa rovnako v rámci tímového projektu venovali.
na pravej strane je znázornené meranie vzorky z posledného zberu. 2D mapy ukazujú rozdiely najmä v oblastiach označených červenými obdĺžnikmi.
Lepší prístup k meraniam
Okrem vytvorenia modelu strojového učenia sme mysleli aj na to, ako sa bežný poľnohospodár dostane k vyhodnoteniu svojich meraní. Vytvorili sme webovú stránku, kde je možné v rámci svojho účtu nahrávať a spracovať merania. Pre vytvorenie merania je potrebné nahrať vstupný súbor, ktorý obsahuje výsledky merania zo spektrometra a základné údaje o meraní.
Webové rozhranie odošle súbor na vyhodnotenie modelu a zabezpečí spracovanie výsledku. Poľnohospodár si následne môže pozrieť výsledok z modelu – počet dní, ktoré zostávajú do ideálneho dňa zberu. Okrem toho má k dispozícii aj vizualizáciu výsledkov zo spektrometra. Prístup k týmto informáciám má po zobrazení detailu o meraní, ako možno vidieť na obrázku nižšie. Systém taktiež umožňuje spravovať zoznam polí poľnohospodára, prípadne pridávať vlastné druhy odrôd.
Projekt vyvíjame ako tím študentov Fakulty Informatiky a Informačných Technológií STU v zložení Zuzana Gáborčíková, Katarína Valkovičová, Filip Chalás, Marek Janec, Rastislav Kavoň, Filip Chalás a Peter Nemček pod vedením Ing. Richarda Marka, PhD. a Mgr. Martina Saba, PhD. Na projekte sme spolupracovali so spoločnosťami Masa Tech s.r.o., HempBona a FATRA HEMP.
