Дрондармен альтернарияны анықтау

Дрондар картоп өсірушілерге альтернарияны тез анықтауға көмектеседі. Бұл туралы Interpom Бельгиялық картоп жәрмеңкесінде Ауыл шаруашылығы, балық шаруашылығы және азық-түлік зерттеулері институтының (ILVO) қызметкері Рубен ван де Вийвер мәлімдеді.

ILVO біраз уақыттан бері сенсорлармен, дрондармен және жасанды интеллектпен альтернарияны анықтаумен тәжірибе жасап келеді. «Біз өсірушіге дрон арқылы көбірек ақпарат, жақсырақ шолу беруге тырысамыз», - дейді зерттеуші. Бұл жасанды интеллект өсірушінің тәжірибесін толығымен алмастыра алатын деңгейге келмейді, деп қосты ол.

Ерте кезең

Саңырауқұлақ дақтарын дрондар арқылы да тез анықтауға болады. «Дрондардағы сенсорлар ауруды далада мүмкіндігінше ерте анықтауға көмектеседі», - дейді Ван де Вийвер. «Жасанды интеллекттің арқасында бір өсімдіктен саңырауқұлақ ауруын көруге болады. Бұл өсіруші көретіннен әлдеқайда жылдам, ол әдетте үлкен аумақтар жұқтырған кезде ғана көреді. Ауруды сіздің өсімдікте болғаннан кейін жою маңызды және оны неғұрлым ерте ұстасаңыз, соғұрлым оның әсерін шектей аласыз. Осы ерте анықтаудың арқасында өсіруші мақсатты бүркумен және шектеулі экологиялық және қаржылық әсермен тиімді араласа алады ».

Нәтижелер планшет арқылы

Осы технологияның арқасында егістік диқан планшет арқылы егіс алқабының қай жерінде дерт бар екендігі туралы толық ақпарат пен шолу алады. Ниет - ол азырақ және дәлірек шашыра алады. «Өсіруші бүркуді өткізіп жіберуі немесе оны бірнеше күнге кейінге қалдыруы мүмкін. Картоп ауа райына байланысты 10-18 рет шашылады. Егер сіз бүркуді екі күнге кейінге қалдыра алсаңыз, бұл үлкен пайданы білдіреді ».

Аурудың ерте кезеңінде пайда болған зақымдануды автоматты түрде анықтау Alternaria solani өсімдіктерді қорғау құралдарын тұтынуды және онымен байланысты өндірістік шығындарды күрт азайтуға ықпал етуі мүмкін. Далалық жағдайда жоғары ажыратымдылықтағы гиперспектрлік кескіндерді алу үшін проксимальды сенсорлық платформа құрылды және калибрленді, сондай-ақ Alternaria зақымдануларын дәл картаға түсіру үшін пайдаланылды. A. solani жұқтырған 32 картоп өсімдігі және 32 сау эталондық өсімдік үшін жоғары ажыратымдылықтағы шатырдың шағылысу кескіндері алынды.

Спектрлік классификаторлар ішінара ең кіші квадраттарды дискриминантты талдау (PLS-DA) және қолдау сияқты vector PCA ұпайларына негізделген машиналар (SVM) зардап шеккен және әсер етпейтін пикселдерді ажырату үшін сыналған. Екі спектрлік жіктеуіш 0.92-ден жоғары дәлдікпен пиксел деңгейінде жақсы жұмыс істеді. NIR аймағы (750 нм) зақымдануларды анықтауға арналған спектрдің ең дискриминативті бөлігі ретінде анықталды. Ауру қысымы әдетте бір аймақтағы зақымданулар саны ретінде көрсетілгендіктен, дәлдік те осы деңгейде бағаланды.

Бұл жапырақтардың шеттерінде және жапырақ қолтығында жалған анықтаулардың айтарлықтай санын көрсетті. Сондықтан шешім ағашы Alternaria зақымдануларының пішіні туралы сарапшылық білімдер негізінде әзірленді және жіктелген кескіндерді кейінгі өңдеу үшін пайдаланылды. Бұл жалған анықтаулар санын азайтып, дәлдікті 0.17-ден 0.22-ге дейін арттырып, кері шақыруды 0.88-ден 0.84-ке дейін төмендетуге мүмкіндік берді. Бұл объект деңгейінде жіктеу дәлдігін жақсарту үшін айтарлықтай орын қалдырады. Біз (1) аз, кең толқын ұзындығы жеткілікті және (2) кеңістіктік контекст Alternaria инфекциясынан туындаған зақымдарды анықтау үшін маңызды екенін білдік.

Жіктеуіште кеңістіктік контекстті тиімді инкапсуляциялау арқылы модель өнімділігін арттыру үшін конволюционды нейрондық желілер сияқты неғұрлым қуатты нысанды жіктеу әдістерін қолдану анықтау өнімділігін одан әрі жақсартуы мүмкін. Бұл UAV немесе трактор негізіндегі Alternaria картасына жол ашуы мүмкін.

/ақылды