Какие растения следует сочетать и в каком соотношении, чтобы добиться максимально возможного урожая? А как будет развиваться урожай, если вместо искусственных удобрений вносить навоз? В будущем, где поликультуры и экопрактики станут более распространенными, фермеры смогут рассчитывать на компьютерную поддержку при ответе на такие вопросы. В качестве первого шага ученые разработали программное обеспечение, которое использует фотографии дронов для визуализации будущего развития показанных растений.

Исследователи из Боннского университета разработали программное обеспечение, которое может моделировать рост полевых культур. Для этого они загрузили тысячи фотографий из полевых экспериментов в алгоритм обучения, пишет Йоханнес Зайлер в релизе Боннского университета.

«Это позволило алгоритму научиться визуализировать будущее развитие культурных растений на основе одного исходного изображения. Используя изображения, созданные в ходе этого процесса, можно точно оценить такие параметры, как площадь листьев или урожайность», — объясняет Лукас Дрис из Института геодезии и геоинформации Боннского университета, а также сотрудник кластера передового опыта PhenoRob.

Крупномасштабный проект, базирующийся в Боннском университете, направлен на продвижение интеллектуальной цифровизации сельского хозяйства и экологизации в том числе за счет продвижения смешанных посадок или поликуультуры без снижения урожайности.

Компьютерная программа, которую сейчас представляют Дрис и его коллеги, является важным строительным блоком. В конечном итоге это должно позволить виртуально моделировать определенные решения — например, оценивать, как использование пестицидов или удобрений повлияет на урожайность сельскохозяйственных культур.

Чтобы это работало, в программу должны быть загружены фотографии с дронов из полевых экспериментов. «Мы сделали тысячи изображений за один период роста. Таким образом, например, мы документировали развитие посевов цветной капусты при определенных условиях, а затем обучили алгоритм, используя эти изображения. Впоследствии на основе одного аэрофотоснимка ранней стадии роста этот алгоритм смог сгенерировать изображения, показывающие будущее развитие урожая на новом, искусственно созданном изображении», — поясняет ученый.

Весь процесс очень точен, если условия урожая аналогичны тем, которые присутствовали при съемке тренировочных фотографий. Следовательно, на данный момент программа не учитывает влияние внезапного похолодания или затяжного дождя, продолжающегося несколько дней. Однако в будущем эти и другие факторы влияния, такие как внесение разных удобрений, ученые добавят в программу. Это должно позволить предсказать результат определенных вмешательств как со стороны погоды, так и со стороны фермера.

«Кроме того, мы использовали второе программное обеспечение искусственного интеллекта, которое может оценивать различные параметры по фотографиям растений, например, урожайность. Это также работает со сгенерированными изображениями. Таким образом, можно довольно точно оценить последующий размер головок цветной капусты на очень ранней стадии периода роста», — говорит Дрис.

Одна из областей, на которой сосредоточены исследователи, это использование поликультур. Практика подразумевает посев на одном поле разных видов растений, например, бобов и пшеницы. Поскольку у растений разные требования, в такой поликультуре они меньше конкурируют друг с другом по сравнению с монокультурой, где выращивается только один вид. Это повышает урожайность. Кроме того, некоторые виды (хорошим примером являются бобы) могут связывать азот из воздуха и использовать его в качестве натурального удобрения. Другие виды, в данном случае пшеница, также получают от этого пользу.

«Поликультуры также менее восприимчивы к вредителям и другим воздействиям окружающей среды. Однако то, насколько хорошо все это работает, во многом зависит от сочетания видов и их соотношения», — отмечает Дрис.

Когда результаты множества различных экспериментов по смешиванию вводятся в алгоритмы обучения, можно получить рекомендации относительно того, какие растения особенно совместимы и в каком соотношении.

Моделирование роста растений на основе алгоритмов обучения является относительно новой разработкой. До сих пор для этой цели в основном использовались процессные модели. Они, образно говоря, имеют фундаментальное понимание того, какие питательные вещества и условия окружающей среды необходимы определенным растениям во время их роста, чтобы процветать.

«Однако наше программное обеспечение делает свои заявления исключительно на основе опыта, полученного с помощью обучающих изображений. Оба подхода дополняют друг друга. Если бы их соответствующим образом объединить, это могло бы значительно улучшить качество прогнозов. Это также вопрос, который мы изучаем в нашем исследовании. Как мы можем использовать методы, основанные на процессах и изображениях, чтобы они максимально извлекали выгоду друг из друга?» — заключил Дрис.

agroxxi.ru

Прогноз биржевых цен на 18 июня 2024