کشاورزی هوشمند

وقتی گیاه تشنه است برگش فریاد می‌زند – هوش مصنوعی مترجم این فریاد است

ر رضا جلیل آذری ۱۴۰۵-۰۲-۱۰ ۱ دقیقه مطالعه ۱,۵۶۳ بازدید
وقتی گیاه تشنه است برگش فریاد می‌زند – هوش مصنوعی مترجم این فریاد

سیستم‌های پایش بصری تنش آبی را ۲-۳ روز قبل از علائم قابل مشاهده از روی زاویه برگ و دمای گیاه تشخیص می‌دهند.

کمبود آب (تنش آبی) باعث پژمردگی، تغییر رنگ برگ به سبز تیره یا زرد و کاهش فتوسنتز می‌شود. اما یک کشاورز معمولاً زمانی متوجه تنش آبی می‌شود که گیاه آسیب دیده است. سیستم‌های پایش مبتنی بر هوش مصنوعی با آنالیز زاویه برگ (تیغه‌های برگ در تنش آبی به سمت پایین خم می‌شوند)، دمای برگ (از طریق دوربین حرارتی) و شاخص‌های طیفی (مانند NDVI)، تنش آبی را ۲-۳ روز قبل از علائم قابل مشاهده تشخیص می‌دهند [۱].

دو روش اصلی: روش اول استفاده از دوربین‌های RGB استاندارد و شبکه‌های عصبی که «زاویه برگ» را محاسبه می‌کنند – در حالت عادی برگ‌ها زاویه ۲۰-۴۰ درجه نسبت به افق دارند، در تنش شدید به زیر ۱۰ درجه می‌رسد. روش دوم دوربین‌های حرارتی (Thermal) که دمای برگ را اندازه می‌گیرند – برگ تشنه ۲-۴ درجه سانتی‌گراد گرمتر از برگ آبیاری شده است. ترکیب هر دو روش دقت را به ۹۴٪ می‌رساند [۲].

جدول شاخص‌های تنش آبی در ذرت (مرحله رشد رویشی):

وضعیت آبیاریزاویه برگ (درجه)دمای برگ (°C)شاخص NDVI (طیفی)
آبیاری کامل۳۵-۴۰۲۴-۲۶۰.۸۵-۰.۹
تنش خفیف (۱ روز کمبود)۲۵-۳۰۲۷-۲۹۰.۷۵-۰.۸
تنش متوسط (۳ روز)۱۵-۲۰۳۰-۳۲۰.۶-۰.۷
تنش شدید (۵ روز)۵-۱۰۳۳-۳۶<۰.۵۵

در مزارع چغندر قند استان خراسان، سامانه‌های پهپادی مجهز به دوربین حرارتی توانستند تنش آبی را پیش از ظهور علائم ظاهری در بخش قابل‌توجهی از مزرعه تشخیص دهند و با آبیاری هدفمند، از کاهش عملکرد محصول جلوگیری کنند. همچنین در گلخانه‌های هیدروپونیک هلند، دوربین‌های ثابت هر ۱۵ دقیقه برگ‌ها را اسکن کرده و شیرهای آبیاری خودکار را بر اساس نیاز لحظه‌ای گیاه فعال می‌کنند [۳].

بازار جهانی سامانه‌های پایش آبیاری هوشمند تا ۲۰۳۰ به ۳.۲ میلیارد دلار می‌رسد [۴]. فناوری جدید «تشخیص رطوبت عمقی خاک» با استفاده از سنسورهای پیشرفته رطوبت‌سنج و تصاویر ماهواره‌ای در ترکیب با هوش مصنوعی، وضعیت آب در ناحیه ریشه را بدون حفر خاک اندازه‌گیری می‌کند [۵]. همچنین یکپارچگی با ایستگاه‌های هواشناسی امکان پیش‌بینی نیاز آبی روز بعد را فراهم می‌کند.

جمع‌بندی: کاهش مصرف آب به میزان ۲۰-۳۰٪ و جلوگیری از کاهش عملکرد به میزان ۱۵-۲۵٪، بازگشت سرمایه این سیستم را در یک تا دو سال تضمین می‌کند [۶]. در مناطقی با کمبود آب، این فناوری یک ضرورت اجتناب‌ناپذیر است.

منابع:

[۱] Jones, H. G. (2004). "Irrigation Scheduling: Advantages and Pitfalls of Plant-Based Methods." Journal of Experimental Botany, 55(407).

[۲] Zhang, L. et al. (2021). "Fusion of RGB and Thermal Imagery for Water Stress Detection in Maize Using Deep Learning." Agricultural Water Management, 245.

[۳] Priva (2022). "Plantonomy: AI-driven Irrigation Control in Dutch Greenhouse Horticulture."

[۴] Grand View Research (2023). "Smart Irrigation Market Size Report, 2023–2030."

[۵] Babaeian, E. et al. (2019). "Ground, Proximal, and Satellite Remote Sensing of Soil Moisture." Reviews of Geophysics, 57(2).

[۶] FAO (2017). "Water for Sustainable Food and Agriculture: A Report Produced for the G20 Presidency of Germany."

تصاویر مرتبط

وقتی گیاه تشنه است برگش فریاد می‌زند – هوش مصنوعی مترجم این فریاد

اشتراک‌گذاری

همین قابلیت‌ها را روی دوربین خودتان داشته باشید

دوربین‌های امنیتی هوشمند ویونکس با همین تحلیل‌های هوش مصنوعی، هشدار لحظه‌ای در اپلیکیشن و تلگرام و یک سال اشتراک سرویس ارائه می‌شوند.

نظرات 0

هنوز نظری ثبت نشده است