> CETUSAN > Kecerdasan buatan pantau kesihatan padi
Kecerdasan buatan pantau kesihatan padi
DR. MUHAMAD SHAKIRIN MISPAN Isnin | 11 Februari 2019

Untuk sebahagian besar penduduk Asia, makanan ruji berasaskan bijirin adalah beras, berbanding gandum yang menjadi pilihan benua Eropah dan Amerika. Beras yang diproses dari tanaman padi (Oryza sativa) merupakan komoditi yang telah ditanam secara sistematik sejak beratus tahun lamanya. Di Semenanjung Malaysia, padi sawah menjadi pilihan petani atas faktor geografi dan kadar pengeluaran yang tinggi, berbanding padi huma.

Pengurangan hasil padi kesan daripada serangan penyakit merupakan ancaman besar kepada jaminan keselamatan makanan di negara ini. Sekiranya proses diagnosis, pengesanan dan intervensi dapat dilakukan dengan lebih awal, mutu penghasilan tanaman dapat diperbaiki sekaligus meningkatkan produktiviti hasil. Kaedah pengesanan infestasi penyakit secara automatik dari udara menggunakan dron dan 'diadunjalin' bersama kecerdasan buatan (AI) dijangka mampu untuk membantu petani menangani masalah ini.

Dengan teknologi sebegini, sebarang keputusan dapat dilakukan di peringkat awal dengan pantas, tepat dan terjamin berbanding kaedah pengawasan konvensional yang terkesan dengan kepelbagaian keputusan manusia.

Gambar penyelidik di tepi sawah

Untuk itu, sekumpulan penyelidik dari Universiti Malaya dan Manchester Metropolitan University, United Kingdom, sedang bekerjasama untuk membangunkan teknologi pembelajaran mesin yang menggabungkan teknologi dron, data raya (big data), dan kecerdasan buatan bagi membantu mengesan penyakit hawar daun bakteria di kawasan penanaman padi di Malaysia.

Pemantauan oleh manusia adalah pincang

Menurut Dr. Muhamad Shakirin Mispan, Pengarah Pusat Penyelidikan Bioteknologi Glami Lemi (PPBGL), Universiti Malaya (UM), kaedah konvensional semasa bagi diagnosis penyakit di lapangan adalah bergantung sepenuhnya kepada proses pemantauan manusia yang sedia maklum mempunyai keterbatasan, khususnya untuk mengesan penyakit di kawasan tengah sawah.

Imej dari dron yang menunjukkan kawasan sawah padi yang berpenyakit

Ini merupakan satu usaha yang intensif buruh, tinggi kos, dan memakan masa, sekaligus menyebabkan hasil pemantauan yang kurang tepat, berat sebelah, dan tidak menyeluruh, khususnya di tapak sawah yang luas dan tidak mempunyai laluan.

Teknologi pembelajaran mesin mampu mengesan penyakit padi

Prof. Dr. Liangxiu Han dari School of Computing, Mathematics and Digital Technology, Manchester Metropolitan University, bersama Dr. Liew Chee Sun dari Fakulti Sains Komputer dan Teknologi Maklumat, UM telah membangunkan perisian yang boleh digunakan bersama telefon pintar atau tablet yang mampu memproses imej udara yang diambil dari dron komersial.

Imej-imej ini akan disahkan oleh penyelidik dari Institut Sains Biologi, UM yang terdiri daripada Dr. Muhamad Shakirin Mispan, dan Prof. Dr. Zulqarnain Mohamed. Beberapa aspek berkaitan ekologi, genetik dan agronomi akan ditambah bagi memberi maklumat yang lebih terperinci dan komprehensif kepada imej yang diambil.

Perbandingan daun padi yang diserang hawar daun bakteria (kanan) dan normal (kiri)

Program ini akan menggunakan pembelajaran mesin untuk menganalisis imej udara yang diambil, membuat perbandingan dengan imej arkib yang diambil sebelumnya, dan kemudian memberikan diagnosis secara langsung berkenaan status penyakit di sawah padi.

Perisian ini adalah adaptasi daripada pembangunan perisian sebelum ini yang mengesan penyakit pada tanaman gandum melalui gambar. Versi ini bergantung kepada pengguna untuk mengambil gambar daun atau penyakit secara terus di lapangan, manakala versi yang sedang dibangunkan kini mampu mengesan penyakit dari udara.

Kemajuan data raya

“Projek ini memajukan sepenuhnya data raya (big data), pemprosesan imej, pembelajaran mesin, kecerdasan buatan dan pengkomputeran awan (cloud computing). Perisian atau sistem yang automatik, tepat dan pantas dalam memberi diagnosis awal kepada penyakit tanaman adalah penting bagi melakukan intervensi secara bersasar apabila serangan dan infestasi melanda,” kata Prof. Dr. Liangxiu Han.

Pengumpulan sampel daun yang dijangkiti penyakit untuk analisis biologi sebagai maklumat sokongan kepada analisis imej dari dron.

Kolaborasi ini telah membuka langkah ke arah pertanian jitu (precision agriculture) dan pertanian pintar (smart farming) secara digital di Malaysia. Projek ini akan membangunkan satu sistem automatik novel yang mampu melakukan diagnosis dan mentaksirkan 'keterukan' atau aras infestasi penyakit hawar daun bakteria di sawah padi secara tepat dan pantas melalui analisis daripada bilangan imej berskala besar yang diambil dari dron ke telefon pintar. Ini bakal membantu kepada ramalan awal dan pengurusan 'kerebakan' penyakit secara lebih terancang di kawasan penanaman padi di Malaysia.

Penyelesaian kepada masalah petani

“Pengusaha padi sama ada pesawah kecil atau pengusaha besar boleh secara terus menggunakan penyelesaian dari pembangunan teknologi ini kelak, dan secara langsung mampu untuk meningkatkan produktiviti penghasilan padi dan pada masa sama mengurangkan kos kewangan dan kos buruh,” kata Dr. Muhamad Shakirin.

“Agensi dan sektor awam seperti Mardi, Jabatan Pertanian, Lembaga Kemajuan Pertanian Muda (MADA) dan Kawasan Pembangunan Pertanian Bersepadu (IADA) juga boleh menggunakan teknologi ini dalam memberikan khidmat yang lebih baik kepada pesawah.

“Pada masa sama agensi-agensi ini dan pihak kerajaan khususnya dapat menggunakan output daripada dapatan teknologi ini untuk merangka dan membentuk peraturan dan polisi yang lebih holistik dan bersepadu merangkumi penggunaan teknologi terkini bagi pembangunan pertanian amnya dan pengeluaran padi khususnya,” tambah beliau lagi.

Padi yang diserang hawar daun bakteria.

Pada masa yang sama, Prof. Han dan kumpulan penyelidik beliau di Manchester Metropolitan University akan terus ‘melatih’ perisian ini bagi membolehkan ia mengesan penyakit-penyakit dan simptom-simptom perosak lain bagi tanaman yang pelbagai seperti jagung dan kelapa sawit. Mereka bercadang untuk mengembangkan lagi ciri tambahan kepada perisian seperti diagnosis daripada bahan visual bergerak seperti video dan penghasilan antara muka (interface) yang membenarkan perisian mengawal dron secara jarak jauh pada masa sama menganalisa imej secara terus. Penyelidikan ini pada kemuncaknya akan membandingkan dan mencari korelasi di antara sumber data lain yang pelbagai seperti imej satelit, telefon pintar, kamera digital dan data-data relevan yang lain ke dalam satu sistem bagi mengatasi cabaran global mengenai jaminan keselamatan makanan.

Projek ini disokong oleh Newton Fund Institutional Links (ID 332438911) di bawah kerjasama Newton-Ungku Omar Fund. Geran penyelidikan bernilai lebih RM300 ribu ini dibiayai oleh UK Department of Business, Energy and Industrial Strategy, dan Malaysian Industry-Government Group for High Technology, dan diselenggara oleh British Council. Projek penyelidikan ini telah bermula pada April 2018 dan akan berakhir pada Mac 2020.

Penulis merupakan Pengarah Pusat Penyelidikan Bioteknologi Glami Lemi (PPBGL), Universiti Malaya (UM), dan pensyarah kanan di Institut Sains Biologi, Fakulti Sains, UM.


STAY CONNECTED
Artikel Berkaitan Yang Patut Anda Baca
KUALA LUMPUR – Education Malaysia Global Services (EMGS) memperjelaskan laporan berita yang timbul dari sebuah akhbar tabloid harian (bukan terbitan Kumpulan Media Karangkraf)...
Sukan Para Asia 2018 yang diadakan baru-baru ini di Jakarta, Indonesia, telah menyaksikan Malaysia menduduki tangga kelapan keseluruhan dari 43 negara yang mengambil bahagian....
Dalam satu ruangan penulisan #MalaysiaMembaca di dalam akhbar Sinar Harian hasil tulisan Menteri Pendidikan Dr Maszlee Malik baru-baru ini telah menyuarakan pendapatnya bahawa di...
GOMBAK - Gotong-royong BUDI anjuran Universiti Islam Antarabangsa Malaysia (UIAM) telah pun diadakan di kawasan tanah perkuburan yang terletak di UIAM Gombak. Tanah perkuburan ini...
Sebagai pensyarah di Universiti Teknologi Mara, saya tetap menghormati pandangan Pro Canselor UiTM, Tan Sri Dr Arshad Ayub berkaitan dengan membenarkan kemasukan bukan Bumiputera...
KUALA TERENGGANU - Sebanyak 99 peratus pelajar Politeknik Kuala Terengganu (PKT) bagi sesi Jun dan Disember 2017 telah memperoleh pekerjaan di sektor dan agensi kerajaan selepas...