Precyzyjne laserowe usuwanie chwastów i selektywne dokarmianie roślin
Systemy rolnicze ML wykorzystują najnowocześniejszą technologię, aby zrewolucjonizować przemysł rolniczy. Podczas fazy gromadzenia danych zintegrowana kamera wideo zbiera obrazy roślin i chwastów, gdy robot rolniczy porusza się po polu. Zebrane dane są następnie oznaczane przez specjalistów ds. rolnictwa w celu późniejszego wykrywania i segmentacji obiektów.
Kompleksowa sieć neuronowa do segmentacji upraw i chwastów zapewnia dokładną semantyczną segmentację sceny, rozróżniając uprawy, chwasty i trawę. System wysyła sygnały do kilku modułów laserowych, które działają jednocześnie, umożliwiając autonomicznym chwastownikom zabijanie ponad 100 tys. chwastów na godzinę, automatycznie i bez użycia środków chemicznych. Wysoka dokładność systemu laserowego wynika z ultraprecyzyjnych detektorów, z precyzyjnie dostrojonymi parametrami lasera umożliwiającymi określenie zasięgu do 2 mm.
System wykorzystuje również selektywne karmienie, które traktuje każdą roślinę na polu indywidualnie. Wizja komputerowa analizuje aktualny stan każdej rośliny, biorąc pod uwagę takie czynniki, jak etap wzrostu, stan zdrowia i zapotrzebowanie na składniki odżywcze. Na podstawie tych informacji system określa najbardziej odpowiednie leczenie dla każdej rośliny, wybierając odpowiednie porcje paszy do zastosowania. Prowadzi to do redukcji zasobów i bardziej opłacalnego podejścia do karmienia roślin.
Systemy farm ML są zaprojektowane tak, aby były elastyczne i można je było dostosować do różnych rodzajów roślin. Sieć neuronowa może uczyć się i ponownie uczyć na podstawie nowych zestawów danych, które można wykorzystać do szkolenia silnika AI w zakresie identyfikacji i leczenia różnych gatunków roślin. Wiąże się to z gromadzeniem i etykietowaniem obrazów nowych roślin, wykonywaniem rozszerzania danych i udoskonalaniem nowych danych, umożliwiając systemowi ciągłe poszerzanie bazy wiedzy i możliwości.
Ogólnie rzecz biorąc, system rolniczy ML opracowany przez Innowise jest doskonałym przykładem korzyści płynących z uczenia maszynowego w sektorze rolniczym, umożliwiając opłacalne i wydajne rozwiązania w zakresie zarządzania uprawami i leczenia.
