Missourin yliopiston tutkijat ovat osoittaneet, että droonit yhdistettynä tekoälyn kanssa voivat arvioida maissikasvien terveyttä tehokkaammin kuin perinteiset kenttäpartiomenetelmät, tarjoamalla mahdollisia hyötyjä lannoitteiden käytössä ja ympäristöasioiden hallinnassa.
Mid -} Missouri -maissikentät suoritetussa tutkimuksessa käytettiin drooneja, jotka on varustettu monispektrisillä kameroilla aallonpituuksien, kuten - infrapuna- ja punaisten -}} reunavalojen, kaappaamiseksi, jotka on kytketty kasvien terveyteen, mutta näkymättömiä ihmisen silmään. Yhdistämällä nämä kuvat maaperän tietojen kanssa ja käsittelemällä niitä koneen - oppimismallien avulla, ryhmän arvioi lehtiklorofyllitasot - Typen tilan - avainindikaattori kokonaisten kenttien välillä, joilla on korkea tarkkuus.
"Kunkin kasvin klorofyllipitoisuuden tunteminen auttaa viljelijöitä määrittämään typpisovelluksen oikean ajan, sijainnin ja määrän", sanoi Maatalouden, elintarvike- ja luonnonvarojen korkeakoulun apulaisprofessori Jianfeng Zhou sekä Mizzoun digitaalisen maatalouden tutkimus- ja jatkekeskuksen tutkimusjohtaja. "Se voi lisätä satoa vähentäen samalla ympäristöön vaikuttavaa kemiallista käyttöä."
Maissi on yksi typpellisimmistä -, joka vaatii viljelykasveja, mikä tekee tarkan ravinteiden hallinnan merkittävän kustannus- ja kestävyysongelman. Yli - -sovellus nostaa kuluja ja voi johtaa veden pilaantumiseen, kun taas -}} -sovellus voi vähentää tuotoksia.
Tutkimusryhmä, jota johtaa tohtoriopiskelija Fengkai Tian, totesi, että AG - teknologiapalvelujen tarjoajat voisivat toimittaa tällaisen seurannan, jolloin viljelijät voivat hyötyä investoimatta drone -operaatioihin tai tietojenkäsittelyominaisuuksiin. Vaikka tutkimus keskittyi maissiin, menetelmää voitaisiin mukauttaa muihin viljelykasveihin, mukaan lukien soijapavut ja vehnä, säätöjen avulla eri ravinneprofiilien huomioon ottamiseksi.
Havainnot, julkaistuÄlykäs maataloustekniikka, valmistettiin yhteistyössä Yhdysvaltain maatalousministeriön maatalouden tutkimuspalvelun kanssa. Työ heijastaa tarkkuuden maatalouden laajempaa työntöä etäkartoituksen, AI: n ja kohdennettujen panosten hallinnan integroimiseksi tehokkuuden parantamiseksi ja ympäristövaikutusten vähentämiseksi.
