Недорогие камеры могут быть датчиками для удаленного мониторинга урожая
Возможность заблаговременного выявления проблем, связанных с посевами, может иметь большое значение для экономии средств и вероятности потери урожая, но высокотехнологичные решения могут быть очень дорогими. Междисциплинарная группа исследователей считает, что частью решения может стать новый подход с использованием уже существующих технологий.
В частности, исследователи штата Северная Королина в Департаменте растениеводства и почвоведения и Департаменте электро- и компьютерной инженерии запускают недорогую систему камер, которая может дистанционно контролировать стрессовые нагрузки на урожай.
Кукуруза и соя являются важными культурами для Северной Каролины и всего мира. И ту, и другую едят в свежем виде, перерабатывают в различные продукты питания и превращают в корм для животных. Нехватка воды на определенных этапах оказывает стрессовое воздействие на растения и может привести к значительным потерям в урожайности.
Паула Рамос-Гиралдо, эксперт в области машинного обучения на факультете растениеводства и почвоведения, провела последний год, работая над системой камер, которая стоит меньше, чем обычные смарт-часы для отслеживания стресса от засухи на полях кукурузы и соевых бобов.
«Нашей целью, в частности, было создание недорогого сенсора для отслеживания уровня влажности почвы в поле через поведение растений», — сказал Рамос-Гиралдо. «Эти недорогие датчики могут помочь исследователям в изучении способов повышения устойчивости сельскохозяйственных систем, селекционерам, выводящим более засухоустойчивые сорта и они смогут предупреждать фермеров о необходимости орошения полей».
Из чего состоит StressCam
Система StressCam, построенная из деталей стоимостью около 150 долларов, основана на Raspberry Pi. Raspberry Pi — это крошечный, недорогой и легко программируемый компьютер, изначально разработанный для обучения информатике.
По словам Рамоса-Хиральдо, крошечный компьютер с поддержкой WiFi оснащен камерой для фотографирования поля и подключен к таймеру, который включает систему утром и вечером. Для кукурузы камера установлена под углом 90 градусов над полем и каждые 30 минут делает фотографии, чтобы наблюдать за состоянием листьев. Для соевых бобов камера установлена под углом 45 градусов над полем и каждые 15 минут делает фотографии, чтобы наблюдать за процессом увядания. Система работает на солнечной энергии, с резервной батареей на случай пасмурных дней.
Крошечный компьютер запускает алгоритм машинного обучения на фотографиях, чтобы проанализировать их на наличие признаков засухи. Затем она отправляет эту информацию на веб-платформу для исследователей, заводчиков или фермеров.
И алгоритм машинного обучения, и веб-платформа были созданы с помощью студентов факультета электротехники и вычислительной техники.
Где будут использовать StressCam
Прошлым летом Рамос-Гиралдо установила более 20 StressCam на исследовательской станции «Песчаные холмы» над полями различных сортов сои. Помимо предоставления изображений, используемых классом «Нейронные сети» для разработки алгоритма машинного обучения, изображения StressCam помогут производителям сои отследить, какие из их сортов лучше всего реагируют на засуху.
Этим летом команда подготовила 50 StressCam и планирует разместить их на кукурузных полях. Двенадцать из этих камер будут развернуты в Мэриленде в Центре сельскохозяйственных исследований в Белтсвилле, а остальные на исследовательских станциях, таких как Центральная исследовательская станция по выращиванию сельскохозяйственных культур в Клейтоне.
«Сеть StressCams будет отслеживать засуху в товарных культурах после посадки покровных культур или других альтернативных культурных практик», — сказал Крис Реберг-Хортон профессор кафедры растениеводства и почвоведения и соруководитель исследовательской сети. «Нашей конечной целью является использование стресс-камер для мониторинга состояния воды на фермах по всей территории США. Эти камеры помогут нам изучить эффективность мульчирования с помощью покровных культур для улавливания лишней дождевой воды. Они помогут нам понять, как управлять этой системой, чтобысохранять большую часть воды на полях фермеров».
Источник: Университет штата Северная Каролина
