Agronomi moraju znati populaciju matičnjaka da bi mogli modelirati broj gomolja.
Uzgajivači bi uskoro trebali moći u bilo kojem trenutku procijeniti razlike u populacijama biljaka krumpira na poljskoj skali. To je zahvaljujući radu Sveučilišta Harper Adams, doktoranda Josepha Mhanga, koji financira AHDB. Njegov novi alat za donošenje odluka koristi umjetnu inteligenciju poznatu kao Deep Learning, zajedno sa snimcima usjeva snimljenim trutovima za izračunavanje broja matičnjaka i mapiranje mjesta na kojem se pojavljuju.
Ova je tehnika sposobna otkriti predmete, a koristi se za strojni vid u samovozećim automobilima. Gospodin Mhango rekao je: „Agronomi moraju znati populaciju matičnjaka kako bi mogli modelirati broj gomolja.
"Tijekom posljednje dvije godine razvijali smo neke tehnike temeljene na umjetnoj inteligenciji kako bismo počeli rješavati problem kako najbolje procijeniti razlike u gustoći stabljika na polju krumpira uz punu krošnju, obično 70 dana nakon sadnje." Analizirajući indekse vegetacije koristeći pravilne crvene, plave i zelene valne duljine koje je snimio trut, Joseph je otkrio da se meristemski vrhovi biljaka krumpira mogu brojati i koristiti za predstavljanje vrhova stabljika.
Dubinsko učenje tada je korišteno za razvijanje robusnog modela za procjenu broja stabljika koji se može koristiti za izradu toplinske karte gustoće naseljenosti stabljika na polju. Alat je prvenstveno usmjeren na olakšavanje odluka o berbi, tako da se na područjima s većim brojem gomolja može ostaviti više vremena za nasipanje, dok se ona s manje, većih gomolja prvo uberu.
„Prethodno obučeni modeli pokazuju da se tamo gdje je više matičnih brojeva po površini tla može očekivati veći broj gomolja po cijenu prosječne veličine gomolja. ”Primijetio je da su uzgajivači dobro upoznati s odnosom između populacije stabljike krumpira i prinosa gomolja, kao i raspodjelom veličine, a odluke o vremenima žetve obično se temelje na brojnim kopanjima uroda po polju.
„Razlika između ovog modela i ostalih bila je u tome što pruža mogućnost mjerenja varijacija unutar polja kako bi pružio informacije za ocrtavanje zona upravljanja u preciznoj poljoprivredi. "Josephov novi model testiran je na brojnim poljima krumpira širom Shropshirea i Lincolnshira i izgleda vrlo obećavajuće, rekao je. "Novi alat znatno će olakšati postizanje precizne poljoprivrede, jer informacije tada mogu donijeti odluke o vremenu isušivanja i berbi, ali i primjeni pesticida i herbicida."
Prevođenje gnojiva u prinos
Također u sklopu svojih studija mapirao je uspješnost usjeva krumpira na pet polja, promatrajući primjenu gnojiva dušika (N), fosfora (P) i sumpora (S) i razlike u načinu njihovog prevođenja u prinos i u kojem trenutku prestaju doprinositi. „Odgovor na hranjive sastojke u tlu može se razlikovati u različitim poljima zbog nivoa koji je već dostupan u tlu. "Uzorci tla uzeti su nakon primjene gnojiva, a na većini polja pronašli smo dokaze prekomjerne gnojidbe koja je povezivala više razine P u polju s manjim veličinama gomolja."
„Naše je razumijevanje bilo da u krumpiru postoji hijerarhija izbočenja gomolja i da samo podskup dominantnih gomolja iskorištava optimalne razine hranjivih sastojaka. „Međutim, pri visokoj razini hranjivih sastojaka uočenoj na poljima uzgajivača, skupljamo dokaze da to možda nije uvijek istina. „Nalazi pokazuju da sva polja u studiji djeluju na optimalnim razinama hranjivih sastojaka, a unutar tih polja postojala je značajna negativna veza između razine P i raspodjele veličine gomolja.
"Umjesto da koristimo randomizirane eksperimente s kontroliranim tretmanima, željeli smo shvatiti odnos između raspodjele veličine tla i gomolja u stvarnim poljskim uvjetima." Kao rezultat toga, za izradu modela pristupio je pristupu geo-statističkom istraživanju. To nam je, vjeruje, omogućilo da napravimo modele s koeficijentima koji bolje odražavaju odnose uočene na tipičnim poljima poljoprivrednika ”. "U mnogim slučajevima poljoprivrednici mogu pretjerano gnojiti kako bi pokušali osigurati da njihovi usjevi imaju dovoljno hranjivih sastojaka, ali to može štetno utjecati na prinos i kvalitetu."
Trodimenzionalna priroda ovih modela omogućuje integraciju s modelom brojanja stabljika, kao i uključivanje satelitskih snimaka radi poboljšanja predviđanja. Treća komponenta Josipovog doktora znanosti uključuje integraciju slobodno dostupnih multispektralnih satelitskih snimaka tla i nadstrešnica visoke razlučivosti s njegovih studijskih mjesta. "Izmjerit ćemo mjeru u kojoj satelitske slike mogu pomoći u postizanju bolje predvidive točnosti prinosa krumpira i raspodjele veličine gomolja prije berbe."
Pogledajte prezentaciju s Tjedna agronomije:
Sektori: Krumpir
Morate biti prijavljeni kako bi upisali komentar.