Forskare vid University of Missouri har visat att drönare i kombination med artificiell intelligens kan bedöma hälsan hos majsgrödor mer effektivt än traditionella fältscoutingsmetoder, vilket erbjuder potentiella vinster i gödningsanvändning och miljöhantering.
Studien, genomförd i mitten av - Missouri Corn Fields, använde drönare utrustade med multispektrala kameror för att fånga våglängder som nära - infraröd och röd - kantljus, som är kopplade till växthälsa men okunniga för det mänskliga ögat. Genom att para dessa bilder med markdata och bearbeta dem via maskin - inlärningsmodeller uppskattade teamet bladklorofyllivåer - En nyckelindikator på kvävestatus - över hela fälten med hög noggrannhet.
"Att känna till klorofyllinnehållet i varje anläggning hjälper jordbrukare att bestämma rätt tid, plats och mängd av kväve -tillämpning," sade Jianfeng Zhou, docent vid College of Agriculture, Food and Natural Resources and Co - forskningschef vid Mizzous Digital Agriculture Research and Extension Center. "Det kan öka avkastningen och samtidigt minska överskott av kemisk användning som påverkar miljön."
Majs är bland de mest kväve - som kräver grödor, vilket gör exakt näringshantering till en betydande kostnad och hållbarhetsfråga. Över - -programmet höjer utgifterna och kan leda till vattenföroreningar, medan under - ansökan kan minska avkastningen.
Forskarteamet, ledd av doktorand Fengkai Tian, konstaterade att sådan övervakning skulle kunna levereras kommersiellt av AG - Tech Service -leverantörer, vilket tillåter jordbrukare att dra nytta av utan att investera i drone -verksamhet eller databehandlingsfunktioner. Medan studien fokuserade på majs, kunde metoden anpassas för andra grödor, inklusive sojabönor och vete, med justeringar för att ta hänsyn till olika näringsprofiler.
Resultaten, publicerade iSmart jordbruksteknik, producerades i samarbete med US Department of Agriculture's Agricultural Research Service. Arbetet återspeglar en bredare drivkraft inom precisionslandbruket för att integrera fjärravkänning, AI och riktad inputhantering för att förbättra effektiviteten och minska miljöpåverkan.
