Altain osavaltion maatalousyliopiston ja koko Venäjän fytopatologian tutkimuslaitoksen tutkijat jatkavat yhteishankkeen "Menetelmien kehittäminen tautien, tuholaisten ja rikkakasvien oikea-aikaiseen havaitsemiseen pelloilla käyttämällä teknistä näkemystä ja älykkäitä järjestelmiä siirtymiseen torjunta-aineiden käyttöönotto eri annoksina", raportit Altain osavaltion maatalousyliopiston lehdistöpalvelu.
Hankesuunnitelman mukaan tutkijat kehittävät menetelmiä ja teknologioita tuholaisten, tautien ja rikkakasvien maa- ja etähavainnointiin viljelykasveissa käyttämällä digitaalisia monispektri- ja hyperspektrikameroita sekä tekoälyalgoritmeja.
Hankkeen toteuttamiseen osallistuvaa Altain osavaltion maatalousyliopiston tutkijaryhmää johtaa teknisten tieteiden tohtori, professori, maatalouskoneiden ja -tekniikan osaston johtaja Vladimir Belyaev.
Keskeinen vaihe hankkeen toteutuksessa oli pystysuoran optisen anturijärjestelmän suunnittelun kenttätestaus korkearesoluutioisella kuvantamisella (millimetrimittakaavassa), joka pystyy työskentelemään eri korkeuksilla viljelykasveissa, ja radan rinnakkainen tallentaminen ja mittauspisteiden koordinaatit liikkuessa. Koe tapahtui AGAU:n teollisen kumppanin pelloilla - maatila LLC "Leo" Altai-alueen Kalmanskyn alueella Gratsia-lajikkeen soijapavuilla. Kasvipatologian tutkimuslaitoksen tutkijat saapuivat Barnauliin osallistumaan kokeeseen. Sofia Zhelezova ja Ph.D., tutkija Jevgenia Stepanova.
Järjestelmä voidaan asentaa hinattavan ruiskun puomiin ja liikkuessaan 15 km/h nopeudella eri kulmissa pintaan nähden tallentaa videota haitallisten esineiden ja rikkakasvien esiintymisen arvioimiseksi viljelykasveissa ja kerätä spektrikirjastoa kuvia haitallisista esineistä.
"Yksi Altain osavaltion maatalousyliopiston tutkijoiden työryhmän tehtävistä on universaalin kameran kiinnitysjärjestelmän kehittäminen ja sen integrointi GPS-vastaanottimeen kentällä työskentelyä varten, jolla on mahdollisuus tallentaa ampumapisteiden jälki ja koordinaatit. liikkuessaan. Erityisesti meidän on kokeellisesti määritettävä optimaalinen kamerakulma ja asennuskorkeus, liikenopeus, tehokkaimmat kuvausparametrit jne. Nyt tulokset täytyy käsitellä ja analysoida Moskovan kollegoiden toimesta”, Vladimir Beljaev kommentoi testin alustavia tuloksia.
Projektin seuraava vaihe on algoritmien kehittäminen kameroilla saatujen kuvien käsittelyyn laboratorio- ja kenttäolosuhteissa käyttämällä hermoverkkoja kohdeobjektien (taudit, tuholaiset ja rikkakasvit) luokitteluun kuvissa.
Viljelytutkimuksen tulosten perusteella rakennetaan karttoja haitallisten organismien alueellisesta jakautumisesta viljelykasveissa.
”Sadon maa- ja etätutkimuksen tulosten sekä haitallisten kohteiden alueellisen jakautumisen kartan perusteella suunnitellaan kehittää päätöksentekoalgoritmi torjunta-aineiden käyttöön eri annoksissa. Seuraavaksi luodaan reseptitiedosto tai ruiskutustehtäväkortti ruiskun ajotietokoneen kanssa yhteensopivassa muodossa., - selittää Sofia Zhelezova.
Hankkeen viimeinen tehtävä on viljelykasvien eriytetyllä annoksella torjunta-aineruiskutusmenetelmän hyväksyminen ja tämän ruiskutustavan alustava taloudellinen arviointi verrattuna perinteiseen ruiskutukseen samalla annoksella koko peltoalalla, tutkijat lisäävät.