Инженеры усовершенствовали обычную цифровую камеру с помощью машинного обучения для контроля влажности почвы и экономного полива. Кроме тог, этот экономичнее аналогов.
Организация Объединенных Наций (ООН) прогнозирует, что к 2050 году во многих районах планеты может не хватить пресной воды для удовлетворения потребностей сельского хозяйства, если человечество продолжит нынешние модели использования ресурсов.
Одним из решений этой глобальной дилеммы является разработка более эффективного орошения, центральным элементом которого является точный мониторинг влажности почвы. Он позволяет датчикам направлять «умные» ирригационные системы для обеспечения полива в оптимальное время и с идеальной скоростью.
Существующие методы измерения влажности почвы проблематичны: датчики, находящиеся под землей, чувствительны к солям в субстрате и требуют специального оборудования для подключения. Кроме того, тепловизионные камеры дороги и зависят от климатических условий— интенсивности солнечного света, туманов и облаков.
Исследователи из университета Южной Австралии (UniSA) и Технического университета Багдада разработали экономичную альтернативу. Она сделает точный мониторинг почвы простым и доступным практически в любых обстоятельствах.
Команда ученых, в которую входят инженеры UniSA доктор Али Аль-Наджи и профессор Джаван Чахл, успешно протестировали систему. В ней используется стандартная цифровая RGB-камера для точного мониторинга влажности почвы в широком диапазоне условий окружающей среды.
«Система, которую мы опробовали, проста, надежна и доступна по цене, что делает ее многообещающей технологией для поддержки точного земледелия», — говорит д-р Аль-Наджи — В её основе лежит стандартная видеокамера, которая анализирует различия в цвете почвы для определения содержания влаги. Мы тестировали ее на разных расстояниях, времени и уровнях освещенности, и она оказалась очень точной».
Камера была подключена к искусственной нейронной сети (ИНС) — разновидности программного обеспечения для машинного обучения, которую исследователи обучили распознавать разные уровни влажности почвы в разных условиях неба.
Используя эту ИНС, система мониторинга потенциально может быть обучена распознаванию конкретных почвенных условий в любом месте, что позволяет настраивать ее для каждого пользователя и обновлять в соответствии с изменяющимися климатическими условиями, что обеспечивает максимальную точность.
Читать далее
Уран получил статус самой странной планеты в Солнечной системе. Почему?
Физики создали аналог черной дыры и подтвердили теорию Хокинга. К чему это приведет?