Умное сельское хозяйство для сельского хозяйства и сельскохозяйственных работ
Тенденции развития в области цифровой культуры во всем мире с развитием компьютерных технологий, интернет-сервисов и кумулятивным ростом областей электроники и машин привели к способности решать любые проблемы.
Концепция Интернета вещей и умных вещей вызвала потребность в междисциплинарном подходе к человечеству.
Сельское хозяйство было неотъемлемой частью цивилизации с древнего периода, которое превратилось в развивающуюся область под названием «Умное сельское хозяйство», внедряющую области компьютерных наук, электроники, биотехнологии и нанотехнологии.
Индия является одним из самых благоприятных ландшафтов для ведения сельского хозяйства и сельскохозяйственных работ.
Обнаружение вредителей является одним из основных способов повышения урожайности для производителей.
Агроэлектроника — это популярный междисциплинарный подход, в котором используются такие подходы, как воздушное или спутниковое зрение для мониторинга, облачные вычисления для хранения и алгоритмы для анализа и обработки данных.
Мобильные и портативные портативные устройства для аграриев могут быть использованы в качестве удобного инструмента. Это самый простой подход для фермера-конечного пользователя, если один щелчок по полевой культуре приводит к ее здоровью и анализирует качество и количество болезней на культуре.
Электроника все чаще используется для накопления и обработки всех типов данных, передачи информации и выполнения функций автоматизации и управления. Системы Agri Electronics, такие как интеллектуальные насосные системы и системы мониторинга на основе дронов, успешно внедряются.
Обработка изображений является неотъемлемой частью информатики и электроники и широко используется в сельском хозяйстве. Искусственный интеллект в настоящее время является универсальным термином, включенным в каждую умную систему. В следующем разделе кратко рассказывается об интеграции искусственного интеллекта и обработки изображений в области агроэлектроники.
Искусственный интеллект и обработка изображений для агроэлектроники
Урожай не менее важен для фермеров, чем хлеб с маслом. Сельское хозяйство является одной из основных составляющих экономики любой страны. Проводится много исследований для улучшения, обоснования и автоматизации сельскохозяйственных аспектов с использованием сенсорных и мобильных вычислительных технологических приложений.
Объем исследований был расширен до применения машинного обучения в сельскохозяйственных системах. Один из журналов-первопроходцев в области электроники Electronics forum опубликовал статью под названием «Агроэлектроника — новый рубеж передовых исследований».
Агроэлектроника — это развивающаяся и междисциплинарная область передовых исследований, которая дает конвергентный и полный взгляд на все связанные области в аграрном секторе. Это гарантирует оптимальную ориентацию информационных технологий и электроники для повышения урожайности, качества и ценности урожая.
Исследования и разработки в области агроэлектроники являются вероятным средством оцифровки зеленой революции.
ИИ предоставляет множество методов улучшения в области машинного зрения и обработки изображений. Компьютерное зрение широко применяется в сканерах штрих-кода и распознавании лиц.
Любая структура на основе искусственного интеллекта, которая обрабатывает визуальные доказательства, регулярно доверяет компьютерному зрению, а те, кто умеет распознавать определенные объекты или классифицировать изображения на основе их сохраненного содержимого, выполняют распознавание изображений.
Эффективность, а также устойчивость человеческого разума были исследовательской задачей в области искусственного интеллекта. Искусственный интеллект — это поколение самообучающихся машин, использующих тот же подход, что и люди.
Подход искусственного интеллекта, интегрированного с обработкой изображений, заключается в уменьшении размерности данных для их эффективной обработки.
Поскольку цифровые данные увеличиваются с каждой секундой времени в этом вычислительном веке, высокий уровень их представлен в виде изображений и видео.
В среднем пользователи предпочитают визуальные данные в виде изображений и видео тексту для целей обучения, преподавания и взаимодействия. Таким образом, важность изображений значительно возросла.
С ростом размеров изображений и качества изображений и видео из-за разработки качества камер и устройств получения изображений программное обеспечение ограничивается в области задач обработки.
Наиболее важная причина проблемы связана с чрезвычайно растущим объемом цифровых данных на основе изображений, полученных с помощью спутниковых систем, наземных систем обнаружения, пользовательских конечных систем получения изображений. Здесь на помощь приходит обработка изображений.
Визуальное обнаружение сельскохозяйственных вредителей/заболеваний/инфекций включает обработку изображений или видео интеллектуальными системами. Обработка изображений в любой области основана на двух основных принципах, связанных с цветом и формой.
Благодаря интеграции различных методов обработки изображений эти методы могут классифицировать и количественно определять две целевые болезни, а именно DicladispaArmigera (риса Hispa) и ScirpophagaIncertules (желтая стеблевая мотылька риса), описанные ниже.
Рис Хиспа
Рис Hispa поражает верхнюю наружную поверхность листовых пластинок, разделяя только нижний эпидермис. Он также проходит по тканям листа.
Растения, как правило, становятся менее энергичными, когда нарушение превышает опасный уровень. Появление пышных полевых цветов на рисовых полях и поблизости от них в качестве альтернативы порту хозяев и избавляет от проблем, связанных со взрослением. Глубоко удобренное поле пестицидами также увеличивает вред.
Обильные ливни, особенно в предмуссонные фазы, за которыми следуют необычно короткие осадки, мельчайшие перепады дневной и ночной температуры в течение нескольких дней благоприятствуют многочисленности насекомых.
Райс Хиспа является взаимным на богарных и влажных заболоченных территориях и более обилен во время дождливого периода.
Научное название — Dicladispaarmigera
Симптомы заражения урожая риса Hispa
- Несбалансированные полупрозрачные белые области, аналогичные жилкам листа, вызванные перемещением личинок через корни листового материала, насмехаются над испорченными листьями беловатого цвета.
- Удаление кормов видно на листьях.
- Измельчение верхней наружной части листовой пластинки, разделяющее только второстепенный эпидермис в виде белых полос, параллельных средней жилке.
- Канализация личинок на корнях листового материала асимметричными тусклыми и бледно-белыми пятнами, ориентированными параллельно жилкам листа.
- Пестициды проникают в листовую пластинку и питаются зеленой тканью листьев среди жилок.
- Растения рисовых культур претенциозны в молодом возрасте от Rice Hispa.
Принципы управления Rice Hispa
Назидательная методология, предложенная для борьбы с инфекцией риса Hispa, заключается в предотвращении чрезмерной подкормки поля пестицидами. Меньшее расстояние между культурными растениями приводит к лучшей концентрации листьев, что приводит к высокой устойчивости к большему количеству Hispa.
Во избежание откладывания яиц вредителей кончики листьев можно срезать. Извлечение, обрезка и захоронение побегов в грязи может значительно уменьшить численность обитателей личинок. Среди медиаторов органического контроля несколько видов незначительных ос, нападающих на яйца и личинки, такие как редувиевый клоп, являются лучшим методом.
Методы химической проверки включают опрыскивание пораженных культур 5% раствором БГХ, метилпаратионом, фенитротионом или эндосульфаном. Подходы к борьбе, управляемые человеком, заключаются в выщипывании зараженных листьев при незначительном заражении и вытеснении всего зараженного растения.
Стволовой сверлильщик
Стеблевые мотыльки могут повреждать посевы риса в различные моменты жизненного цикла, включая рассаду и взрослую жизнь. Вредитель питается продуктивными частями, что приводит к отмиранию сердцевины и засыханию сердцевины побега на протяжении всей вегетативной стадии, а корневых белокрылок – в генеративной фазе.
Личинки стеблевого мотылька выходят из основания растений на продуктивной стадии. На взрослых растениях наблюдаются верхние узлы роста по направлению к основанию.
Желтая стеблевая мотылька — глубоководный вредитель риса, вызывающий постоянное затопление. Вредители присваивают себе основание и кущение с последующим засверливанием в стебель. Поражение желтым стеблевым мотыльком может привести к потере около 20% урожая раннего посева и 80% урожая риса после посева.
Научное название — ScirpophagaIncertules
Симптомы заражения сельскохозяйственных культур стеблевым мотыльком
- Сухие или мертвые побеги в течение всего вегетационного периода
- Белые угри во время репродуктивной фазы, когда развивающиеся метелки беловатые, незаполненные или пустые.
- Мелкие лачуги на стеблях и побегах
- Фекалии, принадлежащие испорченным стеблям
Принципы управления стеблевым мотыльком
- Ручной сбор и тушение яичных масс
- Время от времени поддерживайте уровень поливной воды, чтобы яйца, сброшенные на нижние части растения, были погружены в воду.
- Перед перемещением верхнюю часть листа можно срезать, чтобы уменьшить перенос яиц.
- Медиаторы биологической регуляции, такие как бракониды, эулофиды, мимариды, сцелиониды, халциды, птеромалиды и трихограмматы, муравьи, божьи коровки, веспиды, стрекозы, стрекозы и пауки. Некоторые микроорганизмы и грибы также загрязняют личинки, такие как мермитидная нематода, халцид и эулофид.
Надеюсь, вам понравилась статья. Свяжитесь со мной на моих LinkedIn и twitter.
Рекомендуемые статьи
1. НЛП — от нуля до героя с помощью Python
2. NumPy: линейная алгебра изображений
3. Концепции обработки исключений в Python
4. Анализ основных компонентов в уменьшении размерности с помощью Python
5. Полное объяснение кластеризации K-средних с помощью Python
6. Полное объяснение линейной регрессии с помощью Python
7. Полное объяснение логистической регрессии с помощью Python
8 , Различия между concat(), merge() и join() с Python
9. Обработка данных с помощью Python — часть 1
10. Матрица путаницы в машинном обучении
