الكشف عن النوبيلات بطائرات بدون طيار

يمكن للطائرات بدون طيار أن تساعد مزارعي البطاطس في اكتشاف النوبات بسرعة. صرح بذلك روبن فان دي فيجفر من معهد البحوث الزراعية ومصايد الأسماك والأغذية (ILVO) خلال معرض البطاطا البلجيكي Interpom.

جرب ILVO لبعض الوقت الكشف عن البدائل باستخدام أجهزة الاستشعار والطائرات بدون طيار والذكاء الاصطناعي. يقول الباحث: "نحاول أن نقدم للمزارع مزيدًا من المعلومات ، ونظرة عامة أفضل ، عبر الطائرات بدون طيار". وأضاف أنه لن يصل إلى النقطة التي يمكن أن يحل فيها الذكاء الاصطناعي محل خبرة المزارع تمامًا.

المرحلة المبكرة

يمكن أيضًا اكتشاف البقع الفطرية بسرعة عبر الطائرات بدون طيار. يقول Van de Vijver: "تساعد المستشعرات الموجودة على الطائرات بدون طيار في اكتشاف المرض في الميدان في أقرب وقت ممكن". بفضل الذكاء الاصطناعي ، يمكنك بالفعل رؤية المرض الفطري في نبات واحد. هذا أسرع بكثير مما يمكن للمزارع رؤيته ، وعادة ما يراه فقط عند إصابة مناطق كبيرة. من المهم قتل المرض بمجرد دخوله إلى نباتك ، وكلما أصبت به مبكرًا ، يمكنك الحد من تأثيره. بفضل هذا الاكتشاف المبكر ، يمكن للمزارع التدخل بشكل فعال في عمليات الرش الموجهة وبتأثير بيئي ومالي محدود ".

النتائج عبر الجهاز اللوحي

بفضل هذه التكنولوجيا ، يتلقى المزارع الصالحة للزراعة مزيدًا من المعلومات ولمحة عامة عن مكان المرض في الحقل عبر جهاز لوحي. القصد هو أنه يستطيع الرش بشكل أقل دقة. يمكن للمزارع تخطي الرش أو تأجيله لبضعة أيام. يتم رش البطاطس ما بين 10 و 18 مرة حسب الطقس. إذا كان بإمكانك تأجيل الرش لمدة يومين ، فهذا يعني ربحًا كبيرًا ".

الكشف التلقائي عن اللفحة المبكرة الناتجة عن Alternaria solani قد يُسهم ذلك في خفض استهلاك مبيدات وقاية النبات بشكل كبير، وما يترتب عليه من خسائر في الإنتاج. تم إنشاء منصة استشعار قريبة ومعايرتها لالتقاط صور طيفية فائقة الدقة في الحقل، واستُخدمت لرسم خرائط دقيقة لآفات فطر Alternaria. تم الحصول على صور انعكاس ضوئي عالية الدقة لغطاء النبات لـ 32 نبتة بطاطس مصابة بفطر A. solani، و32 نبتة سليمة كعينة مرجعية.

المصنفات الطيفية مثل تحليل تمييز المربعات الصغرى الجزئية (PLS-DA) والدعم vector تم اختبار الأجهزة (SVM) بناءً على درجات PCA للتمييز بين وحدات البكسل المتأثرة وغير المتأثرة. كان أداء كلا المصنفين الطيفيين جيدًا على مستوى البكسل بدقة أعلى من 0.92. تم تحديد منطقة NIR (750 نانومتر) باعتبارها الجزء الأكثر تمييزًا في الطيف للكشف عن الآفات. وبما أن ضغط المرض يتم التعبير عنه عادةً بعدد الآفات في كل منطقة، فقد تم تقييم الدقة أيضًا على هذا المستوى.

يشير هذا إلى عدد كبير من الاكتشافات الخاطئة عند حواف الأوراق ومحاور الأوراق. لذلك ، تم تصميم شجرة القرار بناءً على معرفة الخبراء حول شكل آفات Alternaria ، واستخدامها لمعالجة الصور المصنفة لاحقًا. أدى هذا إلى تقليل عدد عمليات الكشف الخاطئة ، وزيادة الدقة من 0.17 إلى 0.22 على حساب تقليل الاسترجاع من 0.88 إلى 0.84. هذا يترك مجالًا كبيرًا لتحسين دقة التصنيف على مستوى الكائن. لقد تعلمنا أن (1) القليل من الأطوال الموجية العريضة كافية و (2) السياق المكاني ضروري للكشف عن الآفات التي تسببها عدوى Alternaria.

قد يؤدي تطبيق تقنيات تصنيف الكائنات الأكثر قوة مثل الشبكات العصبية التلافيفية لتحسين أداء النموذج من خلال تغليف السياق المكاني بكفاءة في المصنف إلى تحسين أداء الاكتشاف. هذا يمكن أن يمهد الطريق لرسم خرائط بديلة تعتمد على الطائرات بدون طيار أو الجرارات.

/ذكي