Создана экономичная и эффективная интеллектуальная система орошения сельскохозяйственных культур.

26.03.2021 13:40
Создана экономичная и эффективная интеллектуальная система орошения сельскохозяйственных культур.

Благодаря сочетанию простых стандартных видеокамер с искусственным интеллектом система самостоятельно определит потребность культуры в объеме воды для каждого участка.

По данным ЮНЕСКО, к 2030 году человечество столкнется с глобальным дефицитом воды в размере 40%. Следовательно, если мы продолжим наши нынешние привычки использования, пресной воды может не хватить для удовлетворения потребностей сельского хозяйства во многих частях мира.

Одним из решений этой глобальной дилеммы является разработка более эффективного орошения. Центральным элементом этого является точный мониторинг влажности почвы, который позволяет датчикам направлять «умные» системы орошения для обеспечения оптимального орошения в оптимальное время.

Но современные методы определения влажности почвы имеют ряд недостатков: подземные датчики чувствительны к солям в субстратах и требуют специального оборудования для подключения, в то время как тепловизионные камеры дороги и могут зависеть от климатических условий, таких как солнечный свет, туман и облака.

Исследователи из Университета Южной Австралии и Багдадского технологического университета разработали экономичную альтернативу, которая позволяет точно контролировать состояние почвы простым и доступным способом практически в любых условиях. Об этом сообщается на сайте Университета Южной Австралии.

Команда успешно протестировала систему, в которой используется стандартная цифровая камера с подсветкой RGB для точного мониторинга влажности почвы в самых разных условиях.

Система основана на стандартной видеокамере, которая анализирует различия в цвете почвы для определения влажности. Камера была подключена к искусственной нейронной сети (INS), типу программного обеспечения для машинного обучения, которое исследователи научили распознавать разные уровни влажности почвы в разных условиях.

Используя INS, систему мониторинга потенциально можно обучить распознавать конкретные почвенные условия в разных местах, чтобы ее можно было настроить для каждого пользователя и обновлять с учетом меняющихся климатических условий, обеспечивая максимальную точность.