Precíziós tőszámlálás drónnal és mesterséges intelligenciával: kukoricához, napraforgóhoz és cukorrépához

Ebben a cikkben bemutatjuk a precíziós tőszámlálást, amely egy kereskedelmi forgalomban kapható drónnal és a Proofminder által betanított AI algoritmussal segít a pontos termésbecslésben és további betekintést nyújt a tábla helyzetébe. Gyakorlati tippeket adunk a felvételezéshez kukorica, cukorrépa és napraforgó esetében, ám ezek az információk hasznosak lehetnek más szántóföldi növények, zöldségek és gyümölcsösök esetében is. Olvass tovább!

Az tőszámlálás elengedhetetlen a hozam menedzseléséhez. Lehetővé teszi a termelők számára, hogy megbecsüljék a növénypopulációt, a sűrűséget, a csírázási arányt és a növények egészségi állapotát, és időben meghozzák a hozamot befolyásoló döntéseket. A növényállomány-számlálás elterjedt manuális módszerei évtizedek óta segítik a termelőket. Ezek szemrevételezésen és egy kisebb, előre meghatározott szegmensen történő növényszámláláson alapulnak. Ezek a módszerek azonban fáradságosak és közel sem pontosak. A szegmentált állományszámítás nem ad teljes képet, és könnyen elsiklik az egyenetlen kikelésű vagy gyomnövény-problémás területek fölött. A táblára vonatkozó információk hiánya elpazarolt erőforrásokhoz és kevésbé jövedelmező döntésekhez vezet.

Az olyan új technológiák, mint a drónok és a mesterséges intelligencia, kihasználják az agrárműveletek intelligensebbé és hatékonyabbá tételének lehetőségét. Ezzel az innovatív megközelítéssel a termelők pontos adatokat kaphatnak, időben hozhatnak döntéseket, és fenntarthatóan maximalizálhatják a hozamukat. Meglepő módon ez nem olyan bonyolult vagy költséges, mint amilyennek hangzik.

Ebben a cikkben bemutatjuk a precíziós tőszámlálást, amely egy kereskedelmi forgalomban kapható drónnal és a Proofminder által betanított AI algoritmussal segít a pontos termésbecslésben és további betekintést nyújt a tábla helyzetébe. Gyakorlati tippeket adunk a felvételezéshez kukorica, cukorrépa és napraforgó esetében, ám ezek az információk hasznosak lehetnek más szántóföldi növények, zöldségek és gyümölcsösök esetében is. Ha van drónod, vagy annak vásárlását fontolgatod, hogy egy fárasztó feladatot interaktív folyamattá alakíts és precíz eredményt érj el, olvass tovább. Itt megtalálod a drónokra vonatkozó javaslatainket, a repülési tippjeinket és a gyakori hibákat, valamint megtudhatod, hogyan készíthetsz precíziós tőszámlálási jelentést néhány óra alatt, egy innovatív AI gazdálkodási platform segítségével.

Mikor és miért van szükség pontos tőszámlálásra?

Vannak helyzetek, amikor az alacsony pontosságú jelentés elfogadható, de ha az alábbiak valamelyikére törekszel, a pontos jelentés elengedhetetlen:

  • A vetés minőségének ellenőrzése, különösen, ha vetőmagot termelsz;
  • Változó termelékenységű zónák azonosítása;
  • Pontos adatok gyűjtése K+F projektek során;
  • Precíz hozambecslés a korai szakaszban;
  • Idegen növények felismerése;
  • Döntéshozatal, például arról hogy részben újra kell e ültetni a táblát;
  • Hozampotenciál novelése a termelési célok elérése érdekében.

Mikor a legalkalmasabb a növényállomány számlálása drón és mesterséges intelligencia használatával?

A tőszám és a növénysűrűség becslése döntő fontosságú a korai szezon termésgazdálkodása szempontjából. Az ilyen módon elérhető pontos információk esélyt jelentenek a hozam megmentésére – ha bármi probléma adódna -, és a betakarítás javítására. Hogy megfelelő képeket készíthess a további elemzéshez, vedd figyelembe a növényekkel és az időjárással kapcsolatos tippjeinket.

A növénynek elég nagynak kell lennie ahhoz, hogy a levegőből is látható legyen, de a levelek még nem lehetnek túl közel egymáshoz, hogy megkülönöztethetőek legyenek a növények és megbecsülhető legyen a sűrűségük. A kukorica pontos tőszámának meghatározásához például, a növénynek körülbelül 3-7 levelesnek kell lennie (V3-V7 vegetációs szakasz). Az időjárásnak kiegyensúlyozottnak kell lennie a felvétel ideje alatt, így az objektív alkalmazkodni tud a körülményekhez, legyenek azok naposak vagy felhősek. Ezenkívül a túl szeles idő sem megfelelő. Ne feledd, hogy a szél sebessége a magaslattól függően nagymértékben változhat. Melyik a megfelelő magasság a tőszámláláshoz? Lásd alább!

Manual plant stand count of corn

1. ábra – Kukoricatábla

Common method of plant stand count of corn

2. ábra – A kukorica kézi tőszámlálása

Képek készítése drónnal – tippek és javaslatok

Az ideális felbontás drónnal és intelligens szoftverrel történő tőszámításnál a növénytől és a célunktól függ. Kukorica, napraforgó, cukorrépa és más szántóföldi növények és zöldségek precíz tőszámlálásához 0,8 cm/pixel vagy kevesebb a javasolt felbontás. Mit jelent ez, és milyen a megfelelő drón? A széles körben elérhető DJI Phantom 4 Pro V.2 jó belépő szintű opció lehet erre a feladatra, ehhez hasonlóan a DJI Phantom 4 RTK is remek választás, ha professzionális drónt szeretnél nagy pontosságú pozicionálással. Az említett felbontás eléréséhez 18-30 méteres magasságban kell repülni. Fontos, hogy az integrált vezérlők némelyike (a Plus verziók) a repülési magasságot 25 m-re korlátozza a talaj felett, így ha kis méretű termést szeretnél számolni és alacsonyan repülni, akkor érdemes az egyszerű vezérlőt választani, és mobilról vagy tabletről irányítani a drónt. Részletgazdag képek készítéséhez az ideális repülési sebesség a magasságtól és a szélviszonyoktól függően 3-5 m/s. Ezekkel a drónokkal napi 25-30 hektárt tudsz lerepülni, ha elegendő akkumulátor van nálad. A megfelelő felszereléssel a helyszínen is fel tudod tölteni az akkumulátorokat. A Proofmindernél a képrögzítés újszerű módjain dolgozunk, és látjuk annak a lehetőségét, hogy a közeljövőben ennek a területnek akár a dupláját is rögzíthetjük naponta egy Phantom 4 típusú drónnal.

3. ábra – Fényképezés növényállomány számláláshoz DJI Phantom 4 drónnal

Kerülendő dolgok; a leggyakoribb hibák drónfelvételek készítésekor:

  1. A nem megfelelő expozíciós beállítások, valamint a pontatlan időjárás-becslés túl- vagy alulexponálást eredményezhet. A túlexponálás nagyobb probléma, mint az alulexponálás, így ha választanod kell a felhős és a napsütéses beállítások között, és nem vagy biztos a dolgodban, nyugodtan dönthetsz a napsütés mellett.
  2. A túl erős szél vagy a változó időjárási viszonyok homályos képeket eredményezhetnek.
  3. A nem elegendő memória a küldetés kényszerített szüneteltetéséhez vezethet. Egy ~40-50 hektáros földterülethez legyen legalább 64 GB-os memóriakártyád.
  4. Ha nincs elég akkumulátor és/vagy töltő a folyamatos repüléshez. Készülj a megfelelő felszereléssel!
  5. Eső utáni felvételezéshez újrakalibrálásra lehet szükség, mert előfordulhat, hogy a nedves talajon nem látszanak jól a növények. Ezt tartsd szem előtt.
  6. Ha nem a megfelelő elülső/oldalsó átfedéssel történik a felvételezés, az megakadályozhatja a képek összefűzését és az ortomozaik létrehozását. A 75% a legtöbb esetben megfelelő érték.
  7. A túl gyors repülés elmosódott képeket eredményez.
  8. Hiányos logisztika és előkészületek. Bizonyosodj meg róla, hogy megfelelő autóval érkezel, és ismered a tábla megközelítésének módját. Legyen elérhető generátor, amely energiát termel a berendezéseknek, akkumulátortöltő(k)nek és a laptopodnak, és alakíts ki egy árnyékos munkaállomást, ahol dolgozhatsz.
  9. Pontatlan repüléstervezés. Feltétlenül olvasd el a pilótáknak szóló útmutatónkat, vagy kérj tőlünk segítséget.
  10. Repülés előtt ellenőrizd a légteret, ismerd meg és kerüld el az akadályokat, és ügyelj arra, hogy ne repülj látótávolságon kívül, így elkerülheted a drón elvesztését, és a drón sem veszíti el a jelet.
The process of drone footage for precise stand count

4. ábra – A drónfelvételek rögzítésének folyamata pontos tőszámláláshoz

The shape-file of the field built on Proofminder Platform

5. ábra – A tábla shapefile formátumban

Növényállomány-számlálási jelentés és további információk a tábláról

Amennyiben megfogadod a fent említett tanácsokat, sok hasznos adatod és jó minőségű képed lesz a táblád és a növények helyzetének további elemzéséhez. Te, mint termelő mire használhatod az összegyűjtött képeket? Van néhány módszer a manuális elemzésre, ami időigényes és szubjektív. Mesterséges intelligencia használatával ugyanezt a feladatot gyorsan és pontosan tudjuk elvégezni. A mesterséges intelligencia által működtetett platform ortomozaikot generál, automatikus növényállomány-számlálási jelentést készít, és megjelöli a táblán a szemmel nem látható problémákat.

Az alábbi képek bemutatják, hogyan is nézhet ki a tőszámlálás a Proofminder platformon.

A rendszerünk által automatikusan generált jelentésben a következőket fogod látni:

  • Növény- és sorsűrűség;
  • Pontos tőszám;
  • Minden növény pontos koordinátákkal megjelölve a táblán;
  • Fenotípus alapján megkülönböztetett növények, jelen esetben a hibridkukorica hím és nőivarú növényei eltérő színnel jelölve;
  • Nagyítási funkció adott zónák, sorok vagy növények elemzéséhez.
Precision plant stand count of corn

6. ábra – Tőszámlálási jelentés a Proofminder platformon

Plant-level stand count report on the Proofminder platform

7. ábra – A Proofminder platformon található tőszámlálási jelentés növény-szintű nézete

További információk és a platform képességei

  • A kukorica növényállomány számlálása során megfigyeltük, hogy a táblán több növényt is elpusztítottak a vaddisznók;
  • A problémás területek GPS-koordinátákkal jelölhetők;
  • Letölthető shapefile további felhasználáshoz, pl. vetési adatokkal való összehasonlításhoz;
  • Mivel minden növénynek pontos koordinátái vannak, egyéb mérőszámok is kinyerhetőek, mint a növények távolsága, sűrűség, hézagok, sortávolság stb;
  • Hasznos levél- és növényszintű betekintés.

Automatizált állományszámlálás – eredmények és előnyök

  1. A manuális növényállomány-számítási módszerek pontosságát nehéz megbecsülni, de egy dolog világos: csak a tábla kis szegmensein lehet precíz. Ha ezeket a számokat a teljes parcellára alkalmazzuk, nem adnak pontos információt. A drónok és a mesterséges intelligencia technológiái 90-99%-os tőszámlálási pontosságot tudnak biztosítani a termelők számára, és más növény-szintű problémákat is feltárnak.
  2. Ezek a technológiák sokkal pontosabbá, interaktívabbá és áttekinthetőbbé teszik a növényállomány-számlálási folyamatot.
  3. További problémák is felmerültek: több növényt elpusztítottak a vaddisznók.
  4. Lehetőség a tőszámlálási jelentés exportálására és az adatok más gazdálkodási tevékenységekben történő felhasználására.
  5. Lehetőség arra, hogy a legtöbbet hozd ki a drónnal rögzített képekből, és felhasználd ezeket az adatokat, hogy informált döntéseket hozhass és hogy magabiztosabban termelhess többet.

Kérj bemutatót, hogy még többet megtudj a Proofminder-ről

Tegyünk Többet a Földedért Ebben a Szezonban