(c) Graphicstock

Umělá inteligence pomůže s detekcí plevele na polích

Cílená aplikace pesticidů je jednou z oblastí, na kterou se zaměřuje takzvané precizní zemědělství. S pomocí speciálních dronů mohou zemědělci plošně monitorovat pole a na základě získaných dat pak dokážou určit, která místa jsou zasažena plevelem a potřebují ošetřit. Vyhodnocování snímků by nově pěstitelům mohla usnadnit umělá inteligence. Vědci z Agronomické fakulty Mendelovy univerzity v Brně aktuálně pracují na optimalizaci celého procesu. Zaměřit se přitom chtějí na obtížně detekovatelné plevele.
Optimalizace využívání pesticidních látek při pěstování zemědělských plodin je jedním z dlouhodobých cílů evropské politiky. „Výsledky řady výzkumů ukazují výraznou úsporu herbicidů při jejich cílené aplikaci, ať už v podobě bodového využití nebo plošného variabilního dávkování. Objem použitého postřiku se může snížit o 30 až 80 procent,“ přiblížil Vojtěch Slezák z Ústavu agrosystémů a bioklimatologie AF MENDELU.

Výsledkem cílené aplikace je nejenom menší zátěž pro životní prostředí, ale také nižší náklady pro pěstitele. Potřebná data získávají zemědělci ze snímků pořízených drony. „Boom ve využívání bezpilotních letadel pozorujeme mezi českými agronomy od roku 2022, kdy se na trh dostal cenově dostupný a uživatelsky přívětivý dron,“ upřesnil výzkumník.

Zemědělské drony pracují se senzory pro záznam RGB snímků a spektrálních snímků. „Jejich použití se liší podle potřeby s ohledem na fáze růstu rostlin. Například u spektrálních snímků můžeme využít toho, že plevele a plodiny mají v růstových fázích různou spektrální odrazivost. To znamená, že jsme schopní na snímku obě rostliny rozlišit,“ popsal Slezák.

Jak kvalitní bude sběr dat, jejich vyhodnocení a následné využití v praxi však záleží na řadě faktorů v průběhu celého procesu. Cílem vědců z MENDELU je proto vytvořit sadu doporučení, kterými by se zemědělci při monitoringu plevelů mohli řídit.

„Proces cílené aplikace zahrnuje tři fáze. Tou první je výběr vhodného dronu a nastavení správných letových parametrů, například výšky letu. Druhou oblastí je vyhodnocení dat s pomocí pokročilých algoritmů založených na strojovém učení – tedy datová analýza s využitím umělé inteligence. Třetí kategorií je pak samotná aplikace postřiku na pozemek, aby vše zafungovalo tak, jak má. Jednoduše řečeno, chceme vybrat to nejekonomičtější a nejefektivnější řešení pro agronoma,“ vysvětlil Slezák.

V rámci výzkumu budou vědci testovat tři typy komerčně dostupných zemědělských dronů. Data budou sbírat v průběhu letošního jara a podzimu na pozemcích zemědělských podniků z Kroměřížska a Znojemska. Ve zbytku roku pak budou výzkumníci na získaných data setech „učit“ umělou inteligenci plevele rozpoznávat. Soustředit se přitom odborníci chtějí na obiloviny a v nich rostoucí plevele. „Většina v současnosti publikovaných výzkumů se věnuje širokořádkovým plodinám, jako je například cukrová řepa. My se chceme zaměřit na obiloviny, u kterých je detekce plevelů obtížnější,“ řekl výzkumník.

Speciálně by chtěl Slezák věnovat pozornost nebezpečnému plevelu – chundelce metlici, která zamořuje ozimé obilniny. „V podstatě jde o detekci lipnicovité rostliny v porostu lipnicovitých rostlin. Běžným okem není rozdíl moc patrný. Bude tak zajímavé sledovat, jak si s rozpoznáním tohoto plevele poradí umělá inteligence,“ přiblížil.

Ve využití dronů vidí mladý vědec velký potenciál do budoucna, čemuž odpovídá i rostoucí zájem o tyto technologie mezi agronomy. „Drony pomáhají zemědělcům nejenom při detekci plevelů, ale také při monitoringu aktivních nor hrabošů. Můžeme s jejich pomocí zjišťovat biotické i abiotické poškození porostu, cíleně dávkovat herbicidy nebo vynechávat místa při hnojení,“ vyjmenoval.

Výsledná doporučení týkající se monitoringu plevelů by měli mít zemědělci k dispozici na konci letošního roku.

tisková zpráva Mendelovy univerzity v Brně

Sobotní úplněk bude úhlově menší

Zatímco obvykle se ve velkém mluví o úplňku, je-li na své protáhlé dráze v té …

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

Používáme soubory cookies pro přizpůsobení obsahu webu a sledování návštěvnosti. Data o používání webu sdílíme s našimi partnery pro cílení reklamy a analýzu návštěvnosti. Více informací

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close