Новая автоматизированная система компьютерного зрения внедряется в безпочвенные сельскохозяйственные технологии, обеспечивая круглогодичное производство высококачественных специализированных культур в контролируемой среде. Технология позволяет собирать данные в режиме реального времени, что значительно повышает эффективность процессов прецизионного сельского хозяйства.
Традиционные методы мониторинга культур требуют значительных трудозатрат и участия специализированного персонала, а их редкая выборка данных не позволяет отследить динамику роста растений на всех стадиях жизненного цикла. Современная агротехника нуждается в системах, способных оперативно обнаруживать и анализировать изменения в состоянии культур.
Прорывной подход основан на синергии Интернета вещей, искусственного интеллекта и компьютерного зрения. Система обрабатывает высокоразрешённые изображения, полученные через регулярные промежутки времени, с помощью рекурсивной модели сегментации, впервые применённой для последовательного анализа динамики роста растений в контролируемых условиях.
В экспериментальных испытаниях в качестве тестовой культуры использовались растения Baby bok choy, широко известные как китайская капуста. Интегрированный комплекс успешно выделял отдельные экземпляры растений, регулярно фиксируя увеличение листового покрова, а рекурсивная модель демонстрировала высокую точность и устойчивость на протяжении всего цикла развития.
Руководство разработкой возглавил Long He, доцент факультета сельскохозяйственной и биологической инженерии Pennsylvania State University, подчеркнув: «Традиционно мониторинг культур – это критически важная и времязатратная задача». Основная методология, а также установка датчиков и программирование ИИ-моделей были выполнены Chenchen Kang, постдоктором, который обеспечил «обучение» системы компьютерного зрения.
Проект реализован в рамках междисциплинарного сотрудничества между агроинженерами и специалистами по растениеводству. Francesco Di Gioia, доцент овощеводства и основной исследователь федерального проекта, отметил: «Возможность автоматического мониторинга и сбора данных о состоянии культур произойдёт революцию в управлении агросистемами». В процесс также были вовлечены Xinyang Mu из Michigan State University и аспирантка Aline Novaski Seffrin.
Исследовательская группа Центра исследований и консультаций по фруктовым культурам колледжа сельскохозяйственных наук Pennsylvania State University в Биглервилле, обладая более чем десятилетним опытом в сфере автоматизированного прецизионного сельского хозяйства, ранее реализовала проекты по сбору урожая, обрезке деревьев, прореживанию, опылению, обогреву, распылению пестицидов и орошению, что стало основой для разработки данной инновационной системы.
Интеграция IoT, ИИ и датчиков, контролирующих такие параметры, как радиация, температура, относительная влажность и концентрация питательных веществ, открывает перспективы для снижения технологических потерь, повышения конкурентоспособности систем контролируемого выращивания и улучшения продовольственной безопасности. Дополнительно, прецизионное сельское хозяйство может способствовать повышению качества специализированных культур и адаптации их питательной ценности.
Результаты исследований опубликованы в журнале Computers and Electronics in Agriculture, что подтверждает надёжность и актуальность данной методики для современного сельскохозяйственного производства.
Изображение носит иллюстративный характер
Традиционные методы мониторинга культур требуют значительных трудозатрат и участия специализированного персонала, а их редкая выборка данных не позволяет отследить динамику роста растений на всех стадиях жизненного цикла. Современная агротехника нуждается в системах, способных оперативно обнаруживать и анализировать изменения в состоянии культур.
Прорывной подход основан на синергии Интернета вещей, искусственного интеллекта и компьютерного зрения. Система обрабатывает высокоразрешённые изображения, полученные через регулярные промежутки времени, с помощью рекурсивной модели сегментации, впервые применённой для последовательного анализа динамики роста растений в контролируемых условиях.
В экспериментальных испытаниях в качестве тестовой культуры использовались растения Baby bok choy, широко известные как китайская капуста. Интегрированный комплекс успешно выделял отдельные экземпляры растений, регулярно фиксируя увеличение листового покрова, а рекурсивная модель демонстрировала высокую точность и устойчивость на протяжении всего цикла развития.
Руководство разработкой возглавил Long He, доцент факультета сельскохозяйственной и биологической инженерии Pennsylvania State University, подчеркнув: «Традиционно мониторинг культур – это критически важная и времязатратная задача». Основная методология, а также установка датчиков и программирование ИИ-моделей были выполнены Chenchen Kang, постдоктором, который обеспечил «обучение» системы компьютерного зрения.
Проект реализован в рамках междисциплинарного сотрудничества между агроинженерами и специалистами по растениеводству. Francesco Di Gioia, доцент овощеводства и основной исследователь федерального проекта, отметил: «Возможность автоматического мониторинга и сбора данных о состоянии культур произойдёт революцию в управлении агросистемами». В процесс также были вовлечены Xinyang Mu из Michigan State University и аспирантка Aline Novaski Seffrin.
Исследовательская группа Центра исследований и консультаций по фруктовым культурам колледжа сельскохозяйственных наук Pennsylvania State University в Биглервилле, обладая более чем десятилетним опытом в сфере автоматизированного прецизионного сельского хозяйства, ранее реализовала проекты по сбору урожая, обрезке деревьев, прореживанию, опылению, обогреву, распылению пестицидов и орошению, что стало основой для разработки данной инновационной системы.
Интеграция IoT, ИИ и датчиков, контролирующих такие параметры, как радиация, температура, относительная влажность и концентрация питательных веществ, открывает перспективы для снижения технологических потерь, повышения конкурентоспособности систем контролируемого выращивания и улучшения продовольственной безопасности. Дополнительно, прецизионное сельское хозяйство может способствовать повышению качества специализированных культур и адаптации их питательной ценности.
Результаты исследований опубликованы в журнале Computers and Electronics in Agriculture, что подтверждает надёжность и актуальность данной методики для современного сельскохозяйственного производства.
