Nagy István és Áder János is ott lesz az idei Agrárszektor konferencián!
Az idén először 3 napos konferencián előad többek között Bige László, Gyuricza Csaba, Éder Tamás, Feldman Zsolt, Jakab István, Harsányi Zsolt, Makai Szabolcs, Szabó Levente, Kulik Zoltán, Hollósi Dávid és még sokan mások...
Ne maradjon le az év egyik legjelentősebb agrárszakmai eseményéről!
Miután légitérképezéssel is foglalkozunk, a kutatásfejlesztésben azzal vettünk részt, hogy felállítottunk egy hipotézist, miszerint drónos légifelvételekkel is meghatározható a nedvességtartalom. Hagyományos keretek között, a terepen ez úgy történik, hogy mintavevőt szúrunk a talajba, ám ez száz hektáron elég nehézkes lenne. Nagy területeken működik űrfelvételekkel is, azok térbeli felbontása viszont kicsi, 10 vagy 20 méteres egy képkocka, miközben nagyjából 10 cm-es felbontással kellene vizsgálni, ha annyira heterogén a szántóföldi parcella. Ráadásul a Föld körül keringő műholdak csak több nap elteltével képesek ismételten felvételeket készíteni a vizsgált területről. Így jött a kérdés, hogy mivel lehetne ezt hatékonyabban kiváltani
- idézte fel a kezdeteket Bertalan László, a DE TTK Természetföldrajzi és Geoinformatikai Tanszék adjunktusa.
Ez már a jelen: a mesterséges intelligenciát oktatják a magyar agráregyetemen
A projekt részeként Hajdúböszörmény határában egy kukoricaföldön, illetve annak parlagterületén végeztek teszteket úgy, hogy a tanszék ipari kategóriás drónjaira hőkamerát szerelve úgynevezett termális ortofotó-mozaikot, egyfajta hőtérképet készítettek. Különböző adatfeldolgozási kombinációkkal vizsgálták, milyen módon lehet meghatározni a talaj nedvességtartalmát, amihez tudni kellett, hogy ténylegesen milyen mértékűek voltak a talajnedvesség eloszlásai a vizsgálat időpontjaiban - írja az unideb.hu.
A kutatásba bevont szakemberek talajmintákat gyűjtöttek, amelyekben laboratóriumi körülmények között határozták meg az adott pontokban a talaj nedvességtartalmát. Ezzel párhuzamosan pedig elvégezték a drónos adatgyűjtést is, egyrészt hőkamerás, másrészt úgynevezett multispektrális térképezéssel, amikor az elektromágneses spektrum eltérő tartományaiban visszavert napsugárzás alapján mutatták ki a talajfelszín különbségeit. Mindezek után kiszámolták a drónos hőkamera alapján lehetséges talajnedvesség-tartalmat és összehasonlították a talajminták laborban mért értékeivel.
Egyre népszerűbbek az agrárszakképzések, de van még hova fejlődni
A tanulmányunk arról szól, hogy milyen módszerekkel tudjuk leghatékonyabban becsülni az nedvességtartalmat. Ha például a drónos hőtérképen 35 fokos a talajfelszín, de mellette az adott talajminta esetén 20 százalék a nedvességtartalom, akkor elegendő talajminta esetén, a mesterséges intelligencia, azon belül is a gépi tanulás segítségével egy statisztikai összefüggést tudunk meghatározni. A talajminták nedvességtartalma és drónos adatok kombinációiból származtatott nedvességértékek összefüggései alap
A publikációban bemutatják az optimális beállításokat, amikkel a lehető legpontosabb eredmény érhető el és amikkel a gazdálkodók is hasznosíthatják majd a módszert a gyakorlatban. A teendő számukra mindössze annyi lesz, hogy első lépésként drónos térképezéssel berepülik a területet, digitális légifelvételeket készítenek és a megfelelő számítógépes szoftver segítségével feldolgozzák az adatokat. A gépi tanulás eszköztárával ezt követően állítható elő az egyenletrendszer, aminek a végeredményeként egy talajnedvesség-térkép rajzolódik ki.
Nincs több titok: mesterséges intelligencia figyeli a földeket
Bár a GINOP-projekt véget ért, a kutatás folytatódik a Természetföldrajzi és Geoinformatikai Tanszéken, egyik PhD-hallgatónk, együttműködésben a KITE Zrt-vel, Tépe határában egy kísérleti parcellán végez további vizsgálatokat. A módszertan tehát még véglegesítés alatt áll, most próbálják letisztázni a technológia korlátait annak érdekében, hogy a végén tudjanak egy egységes módszertant adni a hazai gazdáknak. Tanulmányozzák többek között, hogy megbízható-e a módszer minden évszakban, befolyásolja-e az időjárás, a különböző hőmérsékleti, illetve csapadékviszonyok vagy a talajfizikai sajátosságok.
Egy nagy adatsort szeretnénk összeállítani, hogy minél megbízhatóbb legyen a mesterséges intelligencia-modell, ami erre a végső egyenletet elkészíti. Ezt értelemszerűen mindig egy adott helyre, specifikusan kell kidolgozni. Az alap keretrendszert mi ki tudjuk alakítani és után a helyi felméréssorozatok alapján, parcellára szabottan lehet majd alkalmazni. Ha módszerünk véglegesedik, hozzájárulhat ahhoz, hogy a precíziós öntözéstervezésbe integrálva hatékonyabbá tudjuk tenni a hozamok optimalizálását, maximalizálását
- fogalmazott Bertalan László.
