Беспочвенные системы выращивания в теплицах, известные как сельское хозяйство в контролируемой среде, по мнению междисциплинарной исследовательской команды, открывают возможности для круглогодичного производства высококачественных специализированных культур. Однако, чтобы эта передовая форма земледелия была конкурентоспособной и устойчивой, потребуется внедрение технологий точного земледелия. Для удовлетворения этого запроса команда разработала автоматизированную систему мониторинга урожая, способную непрерывно и часто собирать данные о росте растений и их потребностях, что позволяет принимать обоснованные решения в управлении посевами.
Как пояснили исследователи из Университета штата Пенсильвания, традиционный мониторинг растений в беспочвенных системах требует значительных временных затрат и участия специалистов. «Такие методы не позволяют собирать данные достаточно часто, чтобы отследить динамику роста растений на протяжении всего цикла», — говорит руководитель проекта Лонг Хэ, доцент кафедры сельскохозяйственной и биологической инженерии.
«Автоматизированные системы, напротив, позволяют осуществлять постоянное наблюдение с частым сбором информации и более эффективным управлением урожаем».
В статье, опубликованной в журнале Computers and Electronics in Agriculture, команда сообщила о создании интегрированной системы, сочетающей технологии интернета вещей (IoT), искусственный интеллект (ИИ) и компьютерное зрение, специально адаптированной для тепличного беспочвенного сельского хозяйства. Интернет вещей представляет собой сеть физических устройств, снабжённых сенсорами, программным обеспечением и другими технологиями, которые могут обмениваться данными через интернет.
Ключевое новшество исследования заключается в использовании рекурсивной модели сегментации изображений, которая впервые применяется для обработки последовательных снимков высокого разрешения, сделанных через заданные интервалы времени, и позволяет точно отслеживать изменения в росте растений. Метод был протестирован на выращивании молодого бок-чоя (листового китайского капустного растения), но, по словам учёных, может быть адаптирован и к другим культурам.
Группа Лонга Хэ, расположенная в Центре исследований и внедрения фруктов Университета штата Пенсильвания (Biglerville), более десяти лет занимается автоматизацией и точным сельским хозяйством, разрабатывая роботизированные решения для таких задач, как сбор урожая, обрезка деревьев, прореживание плодов, опыление, обогрев садов, распыление пестицидов и ирригация. Использованная в этом исследовании система машинного зрения — это усовершенствование ранее разработанных ими технологий.
В рамках текущей работы система успешно изолировала отдельные растения бок-чоя, выращиваемые в беспочвенной среде, и обеспечивала частую съёмку, фиксирующую рост площади листьев на протяжении всего цикла. Учёные отметили, что рекурсивная модель продемонстрировала стабильную эффективность и точность.
Хэ выразил особую благодарность Чэнчэну Кангу, постдоку и первому автору исследования, за вклад в развитие и обучение системы компьютерного зрения для отслеживания роста растений. «Чэнчэн установил сенсоры, собрал и обработал данные, разработал методологию, написал код и обучил ИИ-модели», — отметил он.
Проект был реализован в рамках междисциплинарного сотрудничества между инженерами-аграриями и ботаниками, и стал частью более крупной федеральной инициативы под названием «Устойчивое развитие городских систем сельского хозяйства в помещении». Франческо Ди Джоя, доцент кафедры овощеводства и руководитель этого проекта, подчеркнул важность объединения различных областей знаний для развития технологий точного земледелия. Он отметил, что такой подход станет всё более важным для повышения эффективности и устойчивости систем сельского хозяйства в контролируемой среде.
«Возможность автоматического мониторинга состояния урожая, оценки роста растений и их потребностей, контроля питательного раствора и факторов окружающей среды — таких как освещение, температура и влажность — в сочетании с IoT и ИИ-технологиями, радикально изменит подход к агрономии», — сказал Ди Джоя. «Снижение неэффективности и повышение конкурентоспособности таких систем усилят нашу продовольственную и нутритивную безопасность».
В будущем, по словам Ди Джоя, интеграция технологий точного земледелия в контролируемую агросреду также может повысить качество специализированных культур и даже позволить адаптировать их питательный профиль под конкретные задачи.
К исследованию также присоединились Синьян Му, получивший степень PhD в области сельскохозяйственной и биологической инженерии в Penn State и ныне работающий постдоком в Университете штата Мичиган, и Алин Новаски Сефрин, аспирантка по специальности "растеневодство".