AI i wizja komputerowa do analizy winnic w celu optymalizacji zabiegów ochrony roślin

Wprowadzenie

Innowacje technologiczne są coraz bardziej obecne w świecie rolnictwa, a podprojekt AgroTwin, finansowany kwotą 60 tys. euro w ramach projektu Horizon Europe ICAERUS, jest tego doskonałym przykładem. ICAERUS to projekt skoncentrowany na badaniu potencjału dronów jako wielofunkcyjnych narzędzi dla rolnictwa, monitoringu środowiskowego i usług na obszarach wiejskich. Celem podprojektu AgroTwin było opracowanie i przetestowanie Systemu Wspomagania Decyzji (DSS) opartego na zaawansowanych algorytmach AI i wizji komputerowej, służącego optymalizacji zabiegów ochrony roślin przy użyciu dronów klasy konsumenckiej, takich jak DJI Phantom 3 Professional (Rys. 1).

Rys.1: Przygotowanie do lotu DJI Phantom 3 Professional w winnicy testowej.

System wspomagania decyzji dla zrównoważonego rolnictwa

Zbieranie zdjęć i testowanie algorytmów przeprowadzono w winnicy odmiany Sangiovese o powierzchni ok. 1,2 ha, należącej do regionalnych gospodarstw w Cesa (AR) (Rys. 2). Winnicę tę podzielono na 2 działki o podobnej wielkości i sile wzrostu wegetatywnego – jedną wykorzystano do dawkowania środków ochrony roślin ze zmienną dawką na podstawie wyników naszego DSS (test), a drugą do dawek stałych (kontrola), gdzie stosowano standardowe dawki gospodarstwa.

Do rejestracji obrazów w widmie widzialnym (RGB) winnicy wykorzystaliśmy łatwy w obsłudze i powszechnie dostępny dron, DJI Phantom 3 Professional. Zdjęcia te posłużyły do wygenerowania trójwymiarowych chmur punktów, które umożliwiły nam stworzenie cyfrowego bliźniaka (digital twin) winnicy w trzech różnych fazach fenologicznych.

Dla każdego lotu, za pomocą autorskich algorytmów, model cyfrowy był precyzyjnie analizowany w celu wyodrębnienia głównych parametrów biometrycznych poszczególnych krzewów będących przedmiotem zainteresowania. Dzięki tym danym DSS wygenerował spersonalizowane mapy aplikacyjne dla zabiegów o zmiennej dawce (VRT), poprawiając efektywność stosowania środków ochrony roślin.

Rys.2: Lokalizacja winnicy testowej i podział na dwie działki (test, kontrola).

Zaawansowane algorytmy do analizy parametrów biometrycznych

Jednym z najbardziej innowacyjnych aspektów projektu AgroTwin było opracowanie zaawansowanych algorytmów AI i wizji komputerowej do analizy biometrii krzewów. Algorytmy te, zastosowane do trójwymiarowych chmur punktów wygenerowanych przez drona, umożliwiły precyzyjną analizę głównych parametrów istotnych z punktu widzenia badania, takich jak grubość, wysokość i objętość ściany liściowej poszczególnych krzewów będących przedmiotem zainteresowania, z średnim marginesem błędu poniżej 10% w porównaniu z pomiarami ręcznymi (Rys. 3, 4).

Rys.3: Ewolucja krzewu testowego w różnych fazach fenologicznych (grubość (m), wysokość (m), objętość (m³)).

Rys.4: Pomiary ręczne w terenie.

Dzięki wykorzystaniu tych parametrów biometrycznych algorytmy pozwoliły zbudować bardzo ważny wskaźnik siły wzrostu, LAI (Leaf Area Index), a także wygenerować LWA (Leaf Wall Area) i TRV (Tree Row Volume), które wskazują na powierzchnię i objętość ściany liściowej winnicy. Poprzez interpolację odpowiedniej liczby roślin próbnych algorytmy automatycznie wygenerowały mapy siły wzrostu wegetatywnego (LAI) oraz mapy aplikacyjne dla zabiegów ochrony roślin (Rys. 5).

Rys.5: Mapy siły wzrostu (LAI) i mapy aplikacyjne (litry/hektar) dla zabiegów ochrony roślin w każdej fazie fenologicznej.

Analiza wrażliwości dla poprawy jakości zbierania danych

Kolejnym kluczowym etapem projektu była analiza wrażliwości, mająca na celu znalezienie najlepszych parametrów lotu podczas pomiarów dronem, zapewniających najlepszy kompromis między jakością danych a czasem lotu. Badanie to pozwoliło zidentyfikować najlepsze konfiguracje lotu zapewniające najwyższą dokładność szacowania parametrów ściany liściowej winorośli w porównaniu z pomiarami ręcznymi. Najlepsza konfiguracja, z błędami poniżej 10% w porównaniu z pomiarami ręcznymi, okazała się obejmować wysokość lotu 30 metrów, 85% pokrycia (overlap) między zdjęciami oraz połączone kąty nachylenia kamery (nadirowy i 30°), co znacząco poprawiło dokładność zebranych danych.

Korzyści środowiskowe i ekonomiczne

Aby ocenić ilość i jakość osadzania się środków ochrony roślin na ścianie liściowej krzewów w dwóch różnych strefach, zastosowano zestandaryzowaną na poziomie międzynarodowym procedurę (ISO 22522) oraz spożywczy znacznik (tartrazynę). Głównym celem było porównanie efektywności obu rodzajów zabiegów. Pomiary skuteczności zabiegów przeprowadził Wydział Mechaniki Rolniczej (DAGRI) Uniwersytetu we Florencji.

Rys.6: Procedura obejmowała pobranie próbek z trzech reprezentatywnych krzewów w strefach o niskiej, średniej i wysokiej sile wzrostu, z użyciem papierków wodoczułych i kolektorów nylonowych umieszczonych na trzech różnych wysokościach ściany liściowej (H1 nad kordonem, H2 w połowie wysokości ściany liściowej, H3 na szczycie).

Wyniki wykazały, że średnie pokrycie wynosiło 35% w działce VRT, nieznacznie powyżej optymalnego progu (30%), przy czym ściana liściowa krzewów była pokrywana zgodnie z ich rzeczywistą biomasą, natomiast w działce kontrolnej odnotowano średnie pokrycie na poziomie 39%, bez uwzględnienia rzeczywistej biomasy w terenie. Wreszcie, w testowanych działkach nie stwierdzono obecności chorób, a w momencie oceny nie zaobserwowano istotnych różnic w plonie i jakości winogron. Jeśli chodzi o dawkowanie, dzięki podejściu VRT osiągnięto średnią redukcję zużycia środków ochrony roślin i wody o 35%, z maksimum sięgającym 41% w środkowej fazie fenologicznej. Oszczędności te mogą przekładać się na zmniejszenie wpływu tych produktów na środowisko, przyczyniając się do zachowania bioróżnorodności w winnicy oraz ograniczenia zanieczyszczenia wód gruntowych i powietrza.

Wnioski

Projekt AgroTwin stanowi krok naprzód w rolnictwie precyzyjnym, wykorzystując obrazowanie do wspomagania procesu podejmowania decyzji agronomicznych. Dzięki niemu opracowano prototyp systemu DSS bazującego na obrazach z drona. Ponadto oceniono, w jakim stopniu integracja dronów i zaawansowanych algorytmów może poprawić środowiskową i ekonomiczną zrównoważoność działań rolniczych.

Projekt pozwolił wykazać, że wykorzystanie drona wykonującego zwykłe zdjęcia RGB może umożliwić generowanie modeli cyfrowych o wystarczającej jakości do analizy uprawy w terenie oraz uzyskanie map aplikacyjnych możliwych do wykorzystania przy najważniejszych operacjach, takich jak dystrybucja środków ochrony roślin czy selektywny zbiór na podstawie siły wzrostu wegetatywnego, co pozwala oszczędzać cenne zasoby i usprawniać procesy produkcyjne.

Dzięki znaczącej oszczędności ilości środków ochrony roślin i wody oraz lepszej redystrybucji w terenie, opracowany DSS pozycjonuje się jako innowacyjne i zrównoważone narzędzie agronomiczne, umożliwiające realizację założeń rolnictwa precyzyjnego dzięki wykorzystaniu cyfrowych kopii winnicy. W branży coraz bardziej zorientowanej na zrównoważony rozwój technologia ta może zaoferować rolnikom praktyczne, ekonomiczne i nowoczesne rozwiązanie pozwalające sprostać obecnym wyzwaniom nowoczesnego rolnictwa.

Dowiedz się, jak zoptymalizować zabiegi dzięki aplikacji iAgro lub usłudze iDrone!