Istraživači na Univerzitetu u Missouriju pokazali su da se dronovi u kombinaciji sa umjetnom inteligencijom mogu procijeniti zdravlje kukuruznih kultura efikasnije od tradicionalnih metoda izviđačkih polja, nudeći potencijalne dobitke u korištenju gnojiva i upravljanje okolišem.
Studija, sprovedena u srednjoj - kukuruznim zrncima, rabljeni dronovi opremljeni multispektralnim kamerama za snimanje talasnih dužina kao što su u blizini - infracrvene i crvene - rubne svjetlosti, koje su povezane sa zdravljem biljaka, ali nevidljivo za ljudsko oko. Uparivanjem ovih slika i obrada ih prerada kroz mašinu - modele učenja, ekipa je procijenjena nivou listova hlorofila - ključni indikator statusa dušika - preko visoke preciznosti.
"Znajući da sadržaj hlorofila pomaže poljoprivrednicima da odrede pravo vrijeme, lokaciju i iznos azot aplikacije", rekao je Jianfeng Zhou, vanredni profesor na fakultetu za istraživanje i proširenje Mizou-a za istraživanje Istraživanja i produžnog centra za digitalnu poljoprivredu. "To može povećati prinose uz smanjenje viška hemijskog korištenja koja utječe na okoliš."
Kukuruz je među najtražećim azotom koji zahtevaju usjeve, čineći precizan menadžment hranjivih sastojaka značajan broj troškova i održivosti. Preko - aplikacije povećava troškove i mogu dovesti do zagađenja vode, dok pod - aplikacija može smanjiti prinose.
Istraživački tim koji je vodio doktorski student Fengkai Tian, napomenuo je da bi se takvo praćenje komercijalno dostavilo u komercijalno dobavljačima usluga AG {-, omogućavajući poljoprivrednicima da imaju koristi u korist ili mogućnosti prerade drona ili mogućnosti prerade podataka ili mogućnosti prerade podataka. Dok se studija fokusirala na kukuruz, metoda bi se mogla prilagoditi drugim kulturama, uključujući soju i pšenicu, uz prilagođavanja za razliku za različite profile hranjivih sastojaka.
Nalazi, objavljeni uPametna poljoprivredna tehnologija, proizvedeni su u saradnji sa američkim Ministarstvom poljoprivredne službe poljoprivrede poljoprivrede. Rad odražava širi pritisak unutar precizne poljoprivrede za integriranje udaljenog osjetljivosti, AI i ciljanog unosnog upravljanja za poboljšanje efikasnosti i smanjenja utjecaja na okoliš.
