Агрономдар түйнектердің сандарын модельдеу үшін олардың популяциясын білу керек.
Өсірушілер жақын арада кез келген уақытта егістік көлемінде картоп өсімдіктерінің популяциясының өзгеруін бағалай алады. Бұл Харпер Адамс университетінің жұмысының арқасында мүмкін болды. AHDB қаржыландырылған PhD студенті Джозеф Мханго. Оның жаңа шешім қабылдау құралы сабақ сандарын есептеу және олардың қай жерде өсетінін картаға түсіру үшін терең оқыту деп аталатын жасанды интеллектті дақылдардың дронмен түсірілген суреттерімен бірге пайдаланады.
Бұл техника заттарды анықтауға қабілетті және өздігінен басқарылатын машиналарда машинаны көру үшін қолданылады. Мханго мырза: «Агрономдар түйнектердің сандарын модельдеу үшін олардың популяциясын білу керек.
«Соңғы екі жылда біз жасанды интеллектке негізделген бірнеше әдіс әзірлеп жатырмыз, бұл картоп алқабы бойынша сабақтың тығыздығындағы айырмашылықтарды толық отырғызылғаннан кейін, әдетте, отырғызудан 70 күнде қалай жақсы бағалауға болады». Дронмен алынған қызыл, көк және жасыл толқындардың ұзындықтарын қолданып өсімдік жамылғысының индекстерін талдай отырып, Джозеф картоп өсімдіктерінің меристемалық ұштарын санауға болатынын және оларды сабақ ұштарын бейнелеу үшін қолдануға болатындығын анықтады.
Deep Learning содан кейін дала бойынша сабақтардың тығыздығының жылу картасын жасауға болатын баған сандарын бағалаудың сенімді моделін жасау үшін пайдаланылды. Бұл құрал, ең алдымен, егін жинау туралы шешімдерді жеңілдетуге бағытталған, сондықтан түйнектер саны көп жерлерді үйіп-төгуге көп уақыт қалуы мүмкін, ал түйнектері азырақ, үлкендері жиналады.
«Бұрын дайындалған модельдер көрсеткендей, жердің әр алаңында сабақтың саны көп болған жағдайда, түйнектердің орташа мөлшері бойынша көбірек түйнектерді күтуге болады. «Оның айтуынша, өсірушілер картоп сабағының популяциясы мен түйнектің өнімділігі, сондай-ақ мөлшерінің таралуы арасындағы байланысты жақсы біледі және жинау мерзімдері туралы шешімдер әдетте егін алқабында бірнеше өнімділікті қазып алуға негізделген.
«Бұл модельдің басқалардан айырмашылығы - дәл егіншіліктің басқарушылық аймақтары туралы ақпарат беру үшін егістік ішіндегі вариацияны өлшеуге мүмкіндік беретіндігінде. «Джозефтің жаңа моделі Шропшир мен Линкольнширдің бірқатар картоп алқаптарында сынақтан өтті және өте перспективалы көрінеді», - деді ол. «Жаңа құрал дәл егіншілікке қол жеткізуді едәуір жеңілдетеді, өйткені ақпарат құрғату мерзімдері мен жинау туралы шешімдерді, сонымен қатар пестицидтер мен гербицидтерді қолдану туралы ақпарат бере алады».
Тыңайтқышты кіріске айналдыру
Сондай-ақ, оқу барысында ол азоттың (N), фосфордың (P) және күкірттің (S) тыңайтқыштарын қолдану және олардың өнімділігі мен айырмашылықтарының айырмашылықтарын қарастырып, бес алқап бойынша картоп дақылдарының өнімділігін картаға түсірді. олар үлес қосуды тоқтатады. «Топырақтың қоректік заттарына жауап әр түрлі болуы мүмкін, өйткені топырақта болған деңгейге байланысты. «Тыңайтқышты қолданғаннан кейін топырақ сынамалары алынды, ал біз өрістердің көпшілігінде түйнектердің мөлшері кішігірім алқапта P деңгейінің жоғарылауын шамадан тыс ұрықтандырудың дәлелдерін таптық».
«Біздің түсінігіміз: картопта түйнек көлемді иерархиясы бар және басым түйнектердің тек бір бөлігі ғана қоректік заттардың оңтайлы деңгейлерін пайдаланады. «Алайда, өсірушілердің алқаптарында байқалатын қоректік заттардың жоғары деңгейінде біз бұл әрдайым дұрыс бола бермейтініне дәлелдер жинап жатырмыз. «Зерттеулердің нәтижелері көрсеткендей, зерттеудің барлық өрістері қоректік заттардың оңтайлы деңгейлерінен жоғары деңгейде жұмыс істейді және осы өрістерде P деңгейлері мен түйнектердің үлестірілуі арасында айтарлықтай жағымсыз байланыс болған.
«Біз бақыланатын емдеу әдістерімен кездейсоқ тәжірибелерді қолданудың орнына, біз нақты далалық жағдайда топырақ пен түйнектің мөлшерінің таралуы арасындағы байланысты түсінгіміз келді». Нәтижесінде ол модельдерді құру үшін гео-статистикалық зерттеу тәсілін қабылдады, бұл оның пікірінше, әдеттегі фермерлердің егістіктерінде байқалған қатынастарды жақсы көрсететін коэффициенттері бар модельдерді құруға мүмкіндік берді ». «Көптеген жағдайларда фермерлер өздерінің дақылдарының жеткілікті қоректік заттармен қамтамасыз етілуіне тырысу үшін артық тыңайтқыш жіберуі мүмкін, бірақ бұл өнім мен сапаға зиянды әсер етуі мүмкін».
Бұл модельдердің үш өлшемділігі діңдерді санау моделімен интеграциялауға, сондай-ақ болжамдарды жақсарту үшін жерсеріктік суреттерді қосуға мүмкіндік береді. Джозефтің PhD докторантурасының үшінші компоненті оның зерттелетін жерлеріндегі топырақтар мен шатырлардың еркін қол жетімді мультиспектралды жерсеріктік суреттерін біріктіруді қамтиды. «Біз спутниктік түсірілім картоптың өнімділігі мен егін жинау алдында түйнектің мөлшерін үлестірудің болжамды дәлдігіне қол жеткізуге қаншалықты көмектесетінін өлшейміз».
Агрономия апталығындағы презентацияны қараңыз:
Секторлар: Картоп
