Системы выращивания без почвы в теплицах, известные как гидропоника, выходят на новый уровень для продвижения круглогодичного производство высококачественных специальных культур на сити-фермах.
Чтобы гидропонное сити-фермерство было конкурентоспособным и устойчивым, этот передовой метод земледелия требует разработки и внедрения методов точного земледелия. Для решения этой задачи команда Университете штата Пенсильвания, США, разработала автоматизированную систему мониторинга урожая, способную предоставлять непрерывные и частые данные о росте и потребностях растений, что позволяет осуществлять информированное управление урожаем. Исследование опубликовано в журнале Computers and Electronics in Agriculture.
«Традиционно мониторинг урожая в системах контролируемого земледелия без почвы является критической, трудоемкой задачей, требующей специализированного персонала. И традиционные методы мониторинга урожая не позволяют часто собирать данные для фиксации динамики роста растений на протяжении всего цикла выращивания урожая. Автоматизированные системы мониторинга урожая – вот решение», - сказал руководитель группы Лонг Хе, доцент кафедры сельскохозяйственной и биологической инженерии.
В своих выводах исследователи сообщили, что интегрированный «Интернет вещей», искусственный интеллект (ИИ) и система компьютерного зрения, адаптированные для систем беспочвенного выращивания в контролируемой среде сельского хозяйства, позволяют осуществлять непрерывный мониторинг и анализ роста растений на протяжении всего цикла выращивания урожая. Интернет вещей, часто называемый IoT, представляет собой сеть физических объектов, которые могут подключаться и обмениваться данными через интернет, связывая устройства, в которые встроены датчики, программное обеспечение и другие технологии.
По словам команды, основным новшеством их исследования является реализация - впервые - модели рекурсивной сегментации изображений, которая обрабатывает последовательные изображения, снятые в высоком разрешении с заданными временными интервалами, для точного отслеживания изменений в росте растений. В ходе исследования ученые проверили свой подход, отслеживая молодой бок-чой, листовой овощ, обычно называемый китайской капустой, но исследователи заявили, что метод будет работать со многими различными культурами.
Исследовательская группа, которую возглавляет Лонг Хе в Колледже сельскохозяйственных наук, расположенном в Центре исследований фруктов Пенсильванского университета в Биглервилле, более десяти лет занимается автоматизированным точным сельским хозяйством, разрабатывая роботизированные решения для таких сельскохозяйственных применений, как сбор урожая, обрезка деревьев, прореживание зеленых плодов, опыление, обогрев садов, распыление пестицидов и орошение. Система машинного зрения, используемая в этом исследовании, является усовершенствованием технологии, разработанной группой для других целей в предыдущих исследованиях.
В этом исследовании интегрированная система машинного зрения успешно изолировала отдельные молодые растения бок-чой, растущие в системе без почвы, создавая частые изображения, которые отслеживали увеличение площади покрытия листьями на протяжении всего цикла их роста. Исследователи заявили, что рекурсивная модель поддерживала «надежную производительность», предоставляя точную информацию на протяжении всего цикла роста урожая.
Лонг Хе выразил благодарность Ченчену Кангу, научному сотруднику его лаборатории и первому автору исследования, за инновации и упорный труд, необходимые для «обучения» системы компьютерного зрения отслеживать рост растений: «Ченчен установил датчики, собрал и обработал данные, разработал методологию и выполнил работу по кодированию и программированию с использованием моделей ИИ».
Первый автор исследования Ченчен Канг запрограммировал модели ИИ и обучил систему компьютерного зрения отслеживать рост растений. Фото: Penn State.
Исследование представляло собой междисциплинарный проект инженеров-агрономов и ботаников и является частью более крупного федерального проекта под названием «Повышение устойчивости городских сельскохозяйственных систем в закрытых помещениях».
Франческо Ди Джоя, доцент кафедры овощеводства и главный исследователь всеобъемлющего проекта, подчеркнул важность интеграции различных экспертных знаний для разработки решений точного земледелия. Междисциплинарный подход, предположил он, будет играть все более важную роль в повышении эффективности и долгосрочной устойчивости современных сельскохозяйственных систем с контролируемой средой.
«Возможность автоматически отслеживать и собирать данные о состоянии урожая, оценивать рост растений и потребности урожая, а также отслеживать питательный раствор и факторы окружающей среды - радиацию, температуру и относительную влажность - в сочетании с использованием технологий IoT и ИИ произведет революцию в способе управления урожаем, - сказал Ди Джоя. - Минимизация неэффективности и повышение конкурентоспособности сельскохозяйственных систем с контролируемой средой повысят нашу продовольственную и пищевую безопасность».
Фото: Penn State.
Ди Джоя добавил, что в будущем интеграция технологий точного земледелия в сельскохозяйственные системы с контролируемой средой также может предоставить возможность повысить качество специальных культур и даже адаптировать их пищевой профиль.
В исследовании приняли участие Синьян Му, получивший докторскую степень в области сельскохозяйственной и биологической инженерии в Университете штата Пенсильвания и в настоящее время являющийся научным сотрудником Мичиганского государственного университета, а также Алин Новаски Сеффрин, докторант в области растениеводства.
Источник: Pennsylvania State University. Автор: Джефф Малхоллем.
На заглавном фото исследователи обсуждают проект на ранних стадиях. Слева направо: Алин Новаски Сеффрин, докторант по растениеводству; Франческо Ди Джоя, доцент по овощеводству; Ченчен Канг, бывший научный сотрудник кафедры сельскохозяйственной и биологической инженерии. Источник: Penn State.