Штучний інтелект допоможе вносити добрива під картоплю

Застосування штучного інтелекту допомагає аналізувати та прогнозувати потребу картоплі у поживних речовинах, тим самим більш ефективно вносити добрива й отримувати високий урожай за найменшої шкоди довкіллю.

Про це йдеться у дослідженні вчених Далхаузького універститету в Канаді.

Дослідники зазначають, що у виробництві картоплі внесення поживних речовин зазвичай досягається в основному під час обробки ґрунту під час посадки та позакоренево – на листя рослин під час підгортання. Хоча цей підхід може бути придатним для певних поживних речовин, він створює проблеми для поживних речовин, необхідних на більш пізніх стадіях росту картоплі.

Як наслідок, застосування міжсезонних добрив стало привабливим для виробників картоплі, служачи для забезпечення постійної доступності життєво важливих поживних речовин для ефективного поглинання рослинами. Аналізуючи хімічний склад рослинних тканин протягом вегетаційного періоду, виробники картоплі можуть навчитися вносити добрива у правильній нормі, часі та місці. 

Ідеальним для аналізу вважається черешок четвертого листка. Для точної оцінки для одного звіту про хімічні результати потрібно приблизно від 40 до 50 черешків, зібраних з усієї площі проби. 

Проблема при проведенні аналізу тканин полягає в точному виборі відповідного черешка для взяття зразка. Вибір неправильного черешка може призвести до оманливих результатів, приховавши справжній стан рослини.

Крім того, точність результатів тестування тканин значною мірою залежить від інтервалу між відбором зразка та подальшим аналізом. Потенційна деградація зразків з часом може зробити результати менш репрезентативними щодо справжнього стану живлення на момент відбору.

Збір зразків черешків також потребує великої праці — цей вид тестування вимагає навченого персоналу. 

Тому необхідно застосувати інші швидкі та ефективні методи для рутинного аналізу для визначення стану харчування.

Вчені Далхаузького універститету пропонують аналізувати листя, вивіши кореляцію з аналізами черешків.

Отримані спектральні дані листя аналізуються за допомогою алгоритму машинного навчання, навченого на історичних даних, для оцінки поживних речовин у черешках листя з результатами майже в реальному часі.

Цей новий підхід обіцяє стати цінним інструментом для фермерів, дозволяючи їм ефективно вносити необхідні добрива вчасно, що врешті-решт збалансує виробничі потреби та захист навколишнього середовища, зазначають дослідники.

Читайте також: Як скоригували систему підживлення в господарстві «Чернігівеліткартопля»