Агрономам необходимо видеть количество стеблей, чтобы смоделировать количество клубней .
Вскоре фермеры будут иметь возможность оценивать изменение количества стеблей картофеля в масштабе поля в любой момент времени. Это будет достигнуто благодаря работе, проделанной Университетом Харпера Адамса, докторантом Джозефом Мханго, финансируемым AHDB. Их новый инструмент для принятия решений использует искусственный интеллект, известный как Deep Learning, вместе с изображениями сельскохозяйственных культур, сделанными с помощью дронов, для расчета количества стеблей и отображения их мест.
Этот метод позволяет обнаруживать объекты и используется для машинного зрения в беспилотных автомобилях. Г-н Мханго сказал: «Агрономы должны знать количество стеблей, чтобы иметь возможность моделировать количество клубней.
«В течение последних двух лет мы разрабатывали некоторые методы, основанные на искусственном интеллекте, чтобы начать решение проблемы, как лучше всего оценить различия в плотности стеблей на картофельном поле на выросшем растении, обычно через 70 дней после посадки». Анализируя индексы вегетации с использованием обычных длин волн красного, синего и зеленого цветов, снятых дроном, Джозеф обнаружил, что меристематические кончики растений картофеля можно подсчитать и использовать для обозначения кончиков стеблей.
Это знание было использовано для разработки надежной модели для оценки количества стволов, которую можно использовать для создания тепловой карты плотности популяции стволов на поле. Этот инструмент в первую очередь предназначен для облегчения принятия решений по сбору урожая, так что для участков с большим количеством клубней можно оставить больше времени для насыпи, в то время как те, у которых меньше клубней, собираются первыми.
«Ранее обученные модели показывают, что там, где количество стеблей больше на площади земли, можно ожидать большего количества клубней за счет среднего размера клубней. Он отметил, что фермеры хорошо знакомы с взаимосвязью между количеством стеблей картофеля и урожайностью клубней, а также с распределением по размеру, и решения о сроках сбора урожая обычно принимаются на основе ряда подкопов урожая на поле.
«Разница между этой моделью и другими заключалась в том, что она дает возможность измерять вариации внутри поля, чтобы предоставить информацию для определения зон управления точным земледелием. «Новая модель Джозефа была протестирована на нескольких картофельных полях в Шропшире и Линкольншире и выглядит очень многообещающей, - сказал он. «Новый инструмент значительно упростит достижение точного земледелия, поскольку информация может использоваться для принятия решений о сроках сушки и уборке урожая, а также о применении пестицидов и гербицидов».
Перевод удобрений в урожай
Также в рамках своих исследований он составлял карту урожайности картофеля на пяти полях, рассматривая внесение удобрений, содержащих азот (N), фосфор (P) и серу (S), а также различия в том, как они влияют на урожай и в какой момент они перестают вносить свой вклад. «Реакция на питательные вещества почвы может варьироваться в зависимости от поля из-за уровней, уже имеющихся в почве. «Образцы почвы были взяты после внесения удобрений, и на большинстве полей мы обнаружили свидетельства чрезмерного внесения удобрений, которые связывали более высокие уровни фосфора на поле с меньшими размерами клубней».
«Насколько мы понимаем, в картофеле существует иерархия увеличения клубней, и только часть доминирующих клубней использует оптимальный уровень питательных веществ. «Однако при высоком уровне питательных веществ, наблюдаемом на полях фермеров, мы собираем доказательства того, что это не всегда может быть правдой. «Результаты показывают, что все поля в исследовании работают с уровнями питательных веществ, превышающими оптимальные, и внутри этих полей наблюдалась значительная отрицательная связь между уровнями фосфора и распределением клубней по размеру.
«Вместо того, чтобы использовать рандомизированные эксперименты с контролируемыми обработками, мы хотели понять взаимосвязь между почвой и распределением размеров клубней в реальных полевых условиях». В результате для построения моделей он применил метод геостатистических исследований. Это, по его мнению, позволило нам построить модели с коэффициентами, которые лучше отражают отношения, наблюдаемые на типичных фермерских полях ». «Во многих случаях фермеры могут вносить чрезмерные удобрения, чтобы попытаться обеспечить их урожай достаточным количеством питательных веществ, но это может оказать пагубное влияние на урожайность и качество».
Трехмерная природа этих моделей позволяет интегрировать их с моделью подсчета стволов, а также включать спутниковые изображения для улучшения прогнозов. Третий компонент докторской степени Джозефа включает интеграцию свободно доступных мультиспектральных спутниковых снимков с высоким разрешением почв и растительного покрова с участков его исследований. «Мы будем измерять, в какой степени спутниковые снимки могут помочь в достижении большей точности прогнозирования урожайности картофеля и распределения клубней по размеру до сбора урожая».
Смотрите презентацию с Агрономической недели:
Источник: https://ru.potatoes.news
