農学者は塊茎の数をモデル化できるように茎の個体数を知る必要がある.
生産者は間もなく、ジャガイモ植物個体群の変動をいつでも圃場規模で評価できるようになるはずです。 これは、ハーパー アダムス大学、AHDB から資金提供を受けた博士課程の学生、ジョセフ マンゴ氏の研究のおかげです。 彼の新しい意思決定ツールは、ディープラーニングとして知られる人工知能とドローンで撮影した作物の画像を使用して、茎の数を計算し、茎の発生場所をマッピングします。
この技術は物体を検出することができ、自動運転車のマシンビジョンに使用されます。 マンゴ氏は、「農学者は塊茎の数をモデル化するために茎の個体数を知る必要がある。
「過去 70 年間、私たちは人工知能に基づくいくつかの技術を開発して、樹冠がいっぱいになったジャガイモ畑全体の茎の密度の違いを、通常は植え付け後 XNUMX 日で推定する最適な方法の問題を解決し始めました。」 ジョセフ氏は、ドローンで撮影した通常の赤、青、緑の波長を使用して植生指数を分析することで、ジャガイモ植物の分裂組織の先端を数え、茎の先端を表すために使用できることを発見しました。
次に、ディープ ラーニングを使用して、圃場全体の茎個体数密度のヒート マップを作成するために使用できる茎数を推定するための堅牢なモデルを開発しました。 このツールは主に収穫の決定を容易にすることを目的としており、塊茎の数が多い地域ではバルク化するまでの時間を長くし、塊茎が少なく大きな塊茎が最初に収穫されるようにします。
「以前に訓練されたモデルは、地面の面積あたりの茎の数が多い場合、平均塊茎サイズを犠牲にしてより多くの塊茎が期待されることを示しています。 同氏は、生産者はジャガイモの茎の数と塊茎の収量、およびサイズ分布との関係をよく知っており、収穫時期の決定は通常、畑全体での収量の掘削回数に基づいて行われると述べた。
「このモデルと他のモデルの違いは、圃場内の変動を測定して、精密農業における管理ゾーンの概要を示す情報を提供する機能を備えていることです。 ジョセフの新しいモデルはシュロップシャー州とリンカンシャー州にまたがる多くのジャガイモ畑でテストされており、非常に有望であるように見えると彼は述べた。 「新しいツールにより、乾燥のタイミングや収穫だけでなく、殺虫剤や除草剤の散布に関する情報も得られるため、精密農業の実現がはるかに容易になります。」
肥料を収量に変換する
また、研究の一環として、彼は XNUMX つの畑にわたるジャガイモの作柄のマッピングを行っており、窒素 (N)、リン (P)、硫黄 (S) の肥料施用と、それらが収量にどのように変換されるか、そしてどの時点で寄与が止まるかを調べています。 「土壌栄養素に対する反応は、土壌中にすでに存在するレベルにより、畑によって異なる場合があります。 「肥料散布後に土壌サンプルを採取したところ、ほとんどの圃場で過剰施肥の証拠が見つかり、塊茎サイズが小さい圃場内のリン濃度が高くなることがわかりました。」
「私たちの理解では、ジャガイモには塊茎の増量階層が存在し、主要な塊茎のサブセットのみが最適なレベルの栄養素を利用しているということです。 「しかし、生産者の畑で観察される高い栄養レベルでは、これが必ずしも真実ではない可能性があるという証拠を集めています。 「調査結果は、研究のすべての圃場が最適を超える栄養素レベルで稼働していることを示しており、これらの圃場ではリン濃度と塊茎サイズ分布の間に重大な負の関係があった。
「私たちは、制御された処理を伴うランダム化された実験を使用するのではなく、実際の圃場条件における土壌と塊茎のサイズ分布の関係を理解したいと考えました。」 その結果、彼はモデルを構築するために地理統計調査のアプローチを採用しました。これにより、典型的な農家の畑で観察される関係をよりよく反映する係数を持つモデルを構築できるようになったと彼は信じています。」 「多くの場合、農家は作物に十分な栄養素を確保しようとして肥料を過剰に与えている可能性がありますが、これが収量と品質に悪影響を及ぼしている可能性があります。」
これらのモデルの XNUMX 次元の性質により、幹計数モデルとの統合が可能になるだけでなく、衛星画像を組み込んで予測を改善することもできます。 ジョセフの博士号の XNUMX 番目の要素には、研究現場からの土壌と林冠の、自由に利用できる高解像度のマルチスペクトル衛星画像の統合が含まれます。 「私たちは、衛星画像が収穫前にジャガイモの収量と塊茎のサイズ分布の予測精度を向上させるのにどの程度役立つかを測定します。」
農学週間のプレゼンテーションをご覧ください。
セクター: かんしょ
あなたがでなければなりません ログイン コメントする。