Para ilmuwan dari Universitas Agraria Negeri Altai dan Institut Penelitian Fitopatologi Seluruh-Rusia melanjutkan implementasi proyek bersama "Pengembangan metode untuk deteksi tepat waktu penyakit, hama, dan gulma di lapangan menggunakan visi teknis dan sistem cerdas untuk transisi ke pengenalan pestisida dalam dosis yang berbeda", lapor layanan pers Universitas Agraria Negeri Altai.
Menurut rencana proyek, para ilmuwan akan mengembangkan metode dan teknologi untuk deteksi hama, penyakit, dan gulma di tanah dan jarak jauh pada tanaman menggunakan kamera digital multispektral dan hiperspektral serta algoritma kecerdasan buatan.
Tim ilmuwan dari Universitas Agraria Negeri Altai yang terlibat dalam implementasi proyek ini dipimpin oleh Doktor Ilmu Teknik, Profesor, Kepala Departemen Mesin dan Teknologi Pertanian Vladimir Belyaev.
Tahap kunci dalam pelaksanaan proyek ini adalah uji lapangan desain sistem sensor optik vertikal dengan pencitraan resolusi tinggi (dalam skala milimeter), dengan kemampuan untuk bekerja pada ketinggian yang berbeda pada tanaman, dengan perekaman trek paralel dan koordinat titik survei saat bergerak. Percobaan berlangsung di ladang mitra industri AGAU - pertanian LLC "Leo" di distrik Kalmansky di Wilayah Altai, pada tanaman kedelai varietas Gratsia. Para ilmuwan dari Research Institute of Phytopathology tiba di Barnaul untuk berpartisipasi dalam percobaan. Sofia Zhelezova dan Ph.D., Peneliti Evgenia Stepanova.
Sistem ini dapat dipasang pada boom penyemprot yang membuntuti dan, ketika bergerak dengan kecepatan 15 km/jam pada sudut yang berbeda ke permukaan, merekam video untuk menilai keberadaan benda-benda berbahaya dan gulma pada tanaman dan mengumpulkan perpustakaan spektral gambar benda berbahaya.
“Salah satu tugas kelompok kerja ilmuwan Universitas Agraria Negeri Altai adalah pengembangan sistem pemasangan kamera universal dan integrasinya dengan penerima GPS untuk bekerja di lapangan dengan kemampuan merekam trek dan koordinat titik pemotretan. sambil bergerak. Secara khusus, kita harus secara eksperimental menentukan sudut kamera yang optimal dan ketinggian pemasangan, kecepatan gerakan, parameter pemotretan paling efektif, dll. Sekarang hasilnya perlu diproses dan dianalisis oleh rekan-rekan dari Moskow, ”komentar Vladimir Belyaev tentang hasil awal tes.
Langkah selanjutnya dari proyek ini adalah pengembangan algoritma untuk memproses gambar yang diperoleh kamera di laboratorium dan kondisi lapangan, menggunakan jaringan saraf untuk mengklasifikasikan objek target (penyakit, hama dan gulma) dalam gambar.
Berdasarkan hasil survei tanaman, peta distribusi spasial organisme berbahaya pada tanaman akan dibangun.
“Berdasarkan hasil survei tanah dan jarak jauh terhadap tanaman dan peta distribusi spasial benda-benda berbahaya, direncanakan untuk mengembangkan algoritma pengambilan keputusan untuk penggunaan pestisida dalam dosis yang berbeda. Selanjutnya, file resep atau kartu tugas penyemprotan akan dibuat dalam format yang kompatibel dengan komputer penyemprot yang terpasang., - jelas Sofya Zhelezova.
Persetujuan metode penyemprotan tanaman dengan pestisida dalam dosis yang berbeda dan penilaian ekonomi awal dari metode penyemprotan ini dibandingkan dengan penyemprotan tradisional dalam dosis yang sama di seluruh area lapangan adalah tugas akhir dari proyek ini, para ilmuwan menambahkan.