Точне сільське господарство стає важливим елементом у відповідь на зміни клімату, нестачу робочої сили та обмеження ресурсів, що трансформують американське сільське господарство. Дослідники звертаються до дронів, даних в реальному часі та машинного навчання, щоб підвищити врожайність і стійкість. Ця трансформація була на повну силу продемонстрована в четвер, 10 липня, на семінарі з точного сільського господарства в Texas Tech, де експерти показали потужність інструментів на основі штучного інтелекту для вирішення сучасних проблем сільського господарства.
Основні моменти семінару точне сільське господарство
Технології, що демонструвались
- Безпілотні літальні апарати (UAV): віддалене зондування
- Картографування електричної провідності (EC): аналіз ґрунту
- Автоматичне керування в реальному часі (RTK): робототехніка
- Аналіз зображень: практичні заняття з обробки даних
Протягом одноденного заходу презентації та демонстрації технологій переміщались між дослідницькою фермою Quaker Texas Tech і Національним центром спадщини скотарства в Лаббоку.
Участники та фінансування
Демонстрації технологій та семінар пов’язані з освітньою та навчальною складовою гранту, фінансованого USDA, під назвою “Capacity Building for AI-driven Research & Education on UAS Applications in Precision Agriculture”. У заході брали участь такі установи:
- Texas Tech
- Texas A&M University
- West Texas A&M University
- Texas A&M AgriLife Research and Extension
- USDA Agricultural Research Service
Точне сільське господарство: Презентації та дослідження
Основні доповідачі
Презентації включали огляд програми від Wenxuan Guo, доцента з екологічної фізіології культур та точного сільського господарства в Texas Tech та Texas A&M AgriLife Research. Ця частина програми була доповнена презентаціями про:
- Використання зображень UAV для вибору сортів бавовни
- Системи керування та картографування EC
- Збір зображень UAV
- Трьохвимірні (3D) системи фенотипування роботів
- Сшивання зображень UAV
- Аналіз зображень UAV
- Інтеграцію просторових даних
- Штучний інтелект та супутникові зображення в прогнозуванні врожайності бавовни
Ключові дослідники
Крім Guo та його дослідницької команди, іншими ключовими дослідниками були:
- Nithya Rajan, професор фізіології культур та агроекології в Texas A&M
- Craig Bednarz, доцент і директор Інституту напівпосушливих сільськогосподарських систем в West Texas A&M University
- Victor Sheng, доцент кафедри комп’ютерних наук Texas Tech
- Chenggang Wang, доцент кафедри сільського господарства та прикладної економіки Texas Tech
- Susan O’Shaughnessy, інженер-дослідник сільського господарства в USDA Agricultural Research Services
Мета семінару
У центрі семінару в четвер була спільна мета: просування програм точного сільського господарства для вирішення важливих проблем сільськогосподарського виробництва та підтримка навчання технологіям, що приносять користь дослідникам, студентам та сільськогосподарським громадам.
Guo, який приєднався до Коледжу сільськогосподарських наук та природних ресурсів Texas Tech у 2016 році після роботи глобальним науковцем з екологічного моделювання для Monsanto, довгий час є прихильником інновацій у реальному сільському господарстві. Його дослідження — поєднання екологічного моделювання, віддаленого зондування та агрономії — допомагає закласти основи для прийняття рішень на основі даних у полі.
ШВИДКА НАВІГАЦІЯ
Можливість стежити за новинами у більш стислому форматі в Facebook або Telegram повернутися на головну сторінку