Vještačka inteligencija i biljke: kako je doktorat Rijada Sarića našao put do tržišta
Rijad Sarić je istraživač u oblasti biljne fenotipizacije i umjetne inteligencije, čiji rad povezuje primijenjeni računalni vid, mašinsko učenje i savremene poljoprivredne tehnologije. Nedavno je uspješno završio svoj doktorat na La Trobe University u Australiji, gdje se fokusirao na razvoj AI-baziranih metoda za analizu slika u visoko-propusnoj biljnoj fenotipizaciji.
Tokom doktorskih studija, Rijad je radio na presjeku akademskog i industrijskog istraživanja, blisko sarađujući s ARC Research Hub-om za zaštićenu proizvodnju i kompanijom Photon Systems Instruments (PSI), pri čemu su dijelovi njegovog istraživanja pretočeni u komercijalno korištene fenotipizacijske sisteme. U ovom intervjuu govori o svom naučnom putu, važnosti industrijski povezanog doktorata i budućnosti primjene umjetne inteligencije u poljoprivredi.
Vaš doktorat se nalazi na presjeku primijenjenog računalnog vida, umjetne inteligencije i biljne fenotipizacije. Koji je bio centralni istraživački problem?
Tokom doktorata bavio sam se istraživanjima u oblasti slikovno zasnovane biljne fenotipizacije, koja analizira rast i razvoj biljaka korištenjem računalnog vida, obrade slike i AI tehnika. Centralni problem bio je kako velike količine RGB slika biljaka pretvoriti u pouzdane, biološki relevantne rezultate koji omogućavaju precizniju analizu rasta i zdravstvenog stanja biljaka.
To je važno jer je fenotipizacija često usko grlo u biljnoj nauci. U praktičnom smislu, visok nivo automatizacije i informacija dobijenih iz slika omogućava farmerima i agronomima donošenje ranijih i kvalitetnijih odluka.
Koje biste izdvojili kao svoje ključne originalne doprinose tokom doktorata?
Moj glavni doprinos bio je razvoj više AI-baziranih pipeline-ova sposobnih da rade s velikim skupovima RGB slika. Ovi alati razvijeni su na modelnoj biljci Arabidopsis thaliana i omogućili su ekstrakciju detaljnih morfoloških osobina na nivou cijele biljke, ali i pojedinačnih listova.
Posebno je važno što su razvijene metode omogućile razlikovanje morfoloških varijacija između različitih ekotipova Arabidopsis, čime su doprinijele boljem razumijevanju genetskih odnosa u kontrolisanim uslovima.
Blisko ste sarađivali s industrijom. Koji dijelovi vašeg istraživanja su prešli iz akademskog prototipa u komercijalnu primjenu?
Dio pipeline-a koji se bavi ekstrakcijom i analizom velikog broja osobina listova uspješno je implementiran u okviru PlantScreen sistema kompanije PSI. Komercijalna vrijednost proizašla je iz činjenice da je rješenje razvijano direktno na podacima prikupljenim industrijskim fenotipizacijskim platformama.
Uz dodatni razvoj i veće količine podataka, ovakav pristup ima potencijal da se proširi i na glavne poljoprivredne kulture.
Koje su konkretne metode iz vašeg doktorata danas integrirane u PSI sisteme i koji problem rješavaju krajnjim korisnicima?
Iako se Arabidopsis thaliana često smatra jednostavnom modelnom biljkom, potpuno automatizirana i precizna analiza morfoloških osobina i dalje predstavlja izazov. Radeći s PSI PlantScreen sistemom, uočio sam prostor za poboljšanja.
Razvio sam nove funkcionalnosti, posebno u oblasti detaljne ekstrakcije i praćenja osobina listova, što je omogućilo znatno precizniju analizu. Za krajnje korisnike to znači pouzdanije podatke i veću sigurnost u interpretaciji rezultata.
Koji su, po vašem mišljenju, najznačajniji stvarni efekti vašeg rada na poljoprivredu i održivu proizvodnju?
Najveći efekat je mogućnost bržeg praćenja rasta i stresnih odgovora biljaka kroz automatsku analizu slika. To omogućava donošenje odluka ranije i na osnovu čvršćih dokaza.
Ovakav pristup pomaže efikasnijem oplemenjivanju i upravljanju usjevima, ranom otkrivanju bolesti i stabilnijim prinosima. Dugoročno, doprinosi održivijoj proizvodnji kroz efikasnije korištenje vode, energije i drugih resursa.
Kako vas je balansiranje akademije i industrije oblikovalo kao istraživača?
Rad na La Trobe University, u ARC Research Hub-u i u PSI-ju naučio me da razmišljam o rješenjima koja su istovremeno naučno relevantna i praktično primjenjiva.
Inovacije danas vidim kao kontinuirani povratni proces: potrebe industrije oblikuju istraživačka pitanja, dok se istraživački rezultati unapređuju kroz stvarnu primjenu i povratne informacije krajnjih korisnika poput agronoma i naučnika.
Gdje vidite sljedeći korak ovog istraživanja?
Moj budući rad bit će usmjeren na razvoj AI sistema koji mogu integrirati više slikovnih modaliteta, posebno RGB i hiperspektralne podatke. Cilj je detektovati biljne odgovore koji nisu vidljivi golim okom i povezati ih s genetskim i okolišnim faktorima.
Vjerujem da je multimodalni pristup sljedeća velika prekretnica u fenotipizaciji biljaka.
Koju biste poruku poslali mladim istraživačima, posebno iz Bosne i Hercegovine?
Savjetovao bih im da se fokusiraju na stvarne i važne istraživačke probleme te da svoje ideje stalno testiraju na realnim podacima i s realnim korisnicima. Tako istraživanje postaje nešto što ljudi zaista koriste.
Izgradnja međunarodnih saradnji, jasna komunikacija i shvatanje industrije kao istinskog partnera – a ne samo izvora finansiranja – ključni su za istraživanja koja zaista mijenjaju praksu.