研究人员利用众包来加快玉米植株的数据分析

Image of a corn plant with rectangle around the tassel

参加者在研究中被证明玉米植株的图像,并指示绘制周围的流苏广场。所述图像被用来产生能够自动识别流苏的计算机算法。 易多弗里德伯格的形象礼貌。 大图.

埃姆斯 - 教一台机器来完成一项复杂的任务可以节省人类大量的时间,精力和金钱。但首先,该机拥有学习如何,并附带大量的其自身的挑战。

买球app最新网址科学家组成的跨学科团队转向众包,或依托大集团微创培养的人才,重复任务往往不够,研究人员能够制定一个算法,允许计算机自动完成该任务。在这种情况下,科学家们想给摄影图像的大量需要整理的时候教给一台机器,以确定玉米植株的流苏。

众包的努力产生看齐,与那些训练有素的植物科学家的结果,并导致了算法,将极大地减少从海量数据集获得有用指标的时间。研究人员说,同样的方法可能会产生其他作物类似的结果。学术期刊 公共科学图书馆·计算生物学 最近出版了球队的成绩。

“这种自动化的可以让我们刮胡子年关,将采取其他方式做这个研究的时候,说:”卡罗琳·劳伦斯,莳萝,副教授 遗传学,发育和细胞生物学。 “这种方法可以帮助我们培育更加有效的作物品种要快。”

研究小组使用了亚马逊的Mechanical Turk,或mturk,找到与会者参加了这项研究。 mturk是众包一个在线市场,这使得雇主访问的工人大池但仍需要人类的智慧,不能自动化简单的任务。乔纳森·凯利,副教授 心理学 研究小组成员,他说mturk还提供了学术研究的潜在对象的现成来源。实验中还包括谁被授予学分的学生参加。

所有的研究参与者接收到的指令通过绘制他们周围的方形识别几十个玉米的图像的流苏。 baskar ganapathysubramanian,教授 机械工业,然后用标记的那些图像来训练计算机识别在类似玉米图像流苏。

“你必须培养一个计算机模型来识别之间,也就是说,叶和流苏的区别,” ganapathysubramanian说。 “来实现这一目标的一个方法是通过机器学习,在那里你一遍遍显示对象的情况下,用标签和系统建立自己的规则认识到自身的那个对象。”

在过去,人们往往研究生或某人在某一学科一定的专业知识,就不得不在图像中筛选一个接一个,可通过机器学习来回避一个艰苦的过程,说易多弗里德伯格,副教授 兽医微生物学和预防医学 研究小组成员。但弗里德伯格说,从mturk得到的结果证明是那些从训练的植物专家一样有效。从研究的学生是业绩略质量较差,但仍不够好与算法的工作,他说。弗里德伯格称结果证明了“群众的智慧”。

能够自动识别流苏或其他植物部分的计算机模型可以帮助植物科学家在许多方面,劳伦斯-莳萝说。感兴趣的是如何不同的气候环境影响的科学家抽雄或如何不同的玉米杂交种进行可以用这样的程序更迅速地获得有价值的见解。或许更重要的是,她说,这种方法可以为各种性状几乎所有的植物科学家拥有庞大的库存图像的执行类似的功能。

研究从跨学科研究的总统主动接受资助后成为可能。国际滑联计划鼓励大的思考是联系在一起以创新的方式多个学科。研究不可能发生,而不在统计,生物信息学,工程学,心理学和植物型组学专业知识的教师绘制。但表示这种不同学科团队带来挑战。一些资金也由植物科学研究所和美国国家科学基金会的奖励提供。

“从我们的田地给彼此了相当大的努力只是解释的术语,”劳伦斯说,莳萝。