Чтобы гидропонное сити-фермерство было конкурентоспособным и устойчивым, этот передовой метод земледелия требует разработки и внедрения методов точного земледелия. Для решения этой задачи команда Университете штата Пенсильвания, США, разработала автоматизированную систему мониторинга урожая, способную предоставлять непрерывные и частые данные о росте и потребностях растений, что позволяет осуществлять информированное управление урожаем. Исследование опубликовано в журнале Computers and Electronics in Agriculture.
«Традиционно мониторинг урожая в системах контролируемого земледелия без почвы является критической, трудоемкой задачей, требующей специализированного персонала. И традиционные методы мониторинга урожая не позволяют часто собирать данные для фиксации динамики роста растений на протяжении всего цикла выращивания урожая. Автоматизированные системы мониторинга урожая – вот решение», - сказал руководитель группы Лонг Хе, доцент кафедры сельскохозяйственной и биологической инженерии.
В своих выводах исследователи сообщили, что интегрированный «Интернет вещей», искусственный интеллект (ИИ) и система компьютерного зрения, адаптированные для систем беспочвенного выращивания в контролируемой среде сельского хозяйства, позволяют осуществлять непрерывный мониторинг и анализ роста растений на протяжении всего цикла выращивания урожая. Интернет вещей, часто называемый IoT, представляет собой сеть физических объектов, которые могут подключаться и обмениваться данными через интернет, связывая устройства, в которые встроены датчики, программное обеспечение и другие технологии.
По словам команды, основным новшеством их исследования является реализация - впервые - модели рекурсивной сегментации изображений, которая обрабатывает последовательные изображения, снятые в высоком разрешении с заданными временными интервалами, для точного отслеживания изменений в росте растений. В ходе исследования ученые проверили свой подход, отслеживая молодой бок-чой, листовой овощ, обычно называемый китайской капустой, но исследователи заявили, что метод будет работать со многими различными культурами.
Исследовательская группа, которую возглавляет Лонг Хе в Колледже сельскохозяйственных наук, расположенном в Центре исследований фруктов Пенсильванского университета в Биглервилле, более десяти лет занимается автоматизированным точным сельским хозяйством, разрабатывая роботизированные решения для таких сельскохозяйственных применений, как сбор урожая, обрезка деревьев, прореживание зеленых плодов, опыление, обогрев садов, распыление пестицидов и орошение. Система машинного зрения, используемая в этом исследовании, является усовершенствованием технологии, разработанной группой для других целей в предыдущих исследованиях.
В этом исследовании интегрированная система машинного зрения успешно изолировала отдельные молодые растения бок-чой, растущие в системе без почвы, создавая частые изображения, которые отслеживали увеличение площади покрытия листьями на протяжении всего цикла их роста. Исследователи заявили, что рекурсивная модель поддерживала «надежную производительность», предоставляя точную информацию на протяжении всего цикла роста урожая.
Лонг Хе выразил благодарность Ченчену Кангу, научному сотруднику его лаборатории и первому автору исследования, за инновации и упорный труд, необходимые для «обучения» системы компьютерного зрения отслеживать рост растений: «Ченчен установил датчики, собрал и обработал данные, разработал методологию и выполнил работу по кодированию и программированию с использованием моделей ИИ».