Els agrònoms han de conèixer la població de tija per poder modelar el nombre de tubercles.
Aviat els productors haurien de poder avaluar la variació de les poblacions de plantes de patata a escala de camp en un moment donat. Això és gràcies al treball realitzat per la Universitat Harper Adams, estudiant de doctorat finançat per AHDB, Joseph Mhango. La seva nova eina de presa de decisions utilitza la intel·ligència artificial coneguda com a Deep Learning, juntament amb les imatges dels cultius fets amb drons per calcular el nombre de tija i mapar on es produeixen.
Aquesta tècnica és capaç de detectar objectes i s’utilitza per a la visió a màquina en cotxes amb conducció automàtica. Mhango va dir: "Els agrònoms necessiten conèixer la població de tija per poder modelar el nombre de tubercles.
"Durant els darrers dos anys, hem estat desenvolupant algunes tècniques basades en la intel·ligència artificial per començar a resoldre el problema de la millor manera d'estimar les diferències en la densitat de la tija a través d'un camp de patates a plena capçada, normalment als 70 dies després de la sembra". En analitzar els índexs de vegetació amb longituds d’ona regulars de color vermell, blau i verd preses pel dron, Joseph va descobrir que les puntes meristemàtiques de les plantes de patata es poden comptar i utilitzar per representar les puntes de la tija.
L'aprenentatge profund es va utilitzar llavors per desenvolupar un model robust per estimar el nombre de tija que es pot utilitzar per produir un mapa de calor de la densitat de població de la tija a través d'un camp. L'eina està orientada principalment a facilitar les decisions de collita, de manera que es pugui deixar més temps a la superfície a les àrees amb un major nombre de tubercles, mentre que les que tenen menys tubercles més grans es cullen primer.
“Els models prèviament entrenats mostren que, on hi ha més nombre de tija per superfície del sòl, s’espera un nombre més alt de tubercles a un cost de la mida mitjana dels tubercles. "Va assenyalar que els productors coneixen bé la relació entre la població de tija de la patata i el rendiment dels tubercles, així com la distribució de la mida, i les decisions sobre els temps de collita es basen normalment en una sèrie d'excavacions de rendiment a tot el camp.
"La diferència entre aquest model i altres era que proporciona la capacitat de mesurar la variació dins del camp per proporcionar informació per esbossar les zones de gestió en l'agricultura de precisió. "El nou model de Joseph s'ha provat en diversos camps de patates de Shropshire i Lincolnshire i sembla molt prometedor", va dir. "La nova eina farà que l'agricultura de precisió sigui molt més fàcil d'aconseguir, ja que la informació pot informar de decisions sobre els temps de dessecació i la collita, però també les aplicacions de pesticides i herbicides".
Traduir fertilitzant en rendiment
També com a part dels seus estudis, ha estat mapejant el rendiment dels cultius de patata en cinc camps, examinant les aplicacions de fertilitzants de nitrogen (N), fòsfor (P) i sofre (S) i les diferències en la seva traducció i en quin moment deixen de contribuir. “La resposta als nutrients del sòl pot variar a través del camp a causa dels nivells ja disponibles al sòl. "Les mostres de sòl es van prendre després de l'aplicació de fertilitzants i, a la majoria de camps, vam trobar evidències de fecundació excessiva que associava nivells més alts de P dins d'un camp amb mides de tubercles més petites".
“La nostra comprensió ha estat que existeix una jerarquia d’acumulació de tubercles a les patates i només un subconjunt de tubercles dominants aprofita els nivells òptims de nutrients. “No obstant això, als alts nivells de nutrients observats als camps dels productors, estem recopilant proves que això no sempre és cert. "Les troballes mostren que tots els camps de l'estudi funcionen a nivells superiors a l'òptim de nutrients i, dins d'aquests camps, hi havia una relació negativa significativa entre els nivells de P i la distribució de la mida dels tubercles.
"En lloc d'utilitzar experiments aleatoris amb tractaments controlats, volíem entendre la relació entre la distribució de la mida del sòl i el tubercle en les condicions reals del camp". Com a resultat, va adoptar un enfocament geoestadístic per construir models, cosa que, segons ell, ens ha permès construir models amb coeficients que reflecteixin millor les relacions observades als camps típics dels agricultors ”. "En molts casos, els agricultors poden estar excessivament fertilitzats per intentar assegurar que els seus cultius tinguin suficients nutrients, però això pot estar causant un efecte perjudicial sobre el rendiment i la qualitat".
La naturalesa tridimensional d’aquests models permet la integració amb el model de recompte de tija, així com la inclusió d’imatges de satèl·lit per millorar les prediccions. Un tercer component del doctorat de Joseph consisteix en la integració d’imatges de satèl·lit multiespectral d’alta resolució de lliure resolució dels sòls i marquesines dels seus llocs d’estudi. "Mesurarem fins a quin punt les imatges de satèl·lit poden ajudar a aconseguir una millor precisió predictiva del rendiment de la patata i la distribució de la mida dels tubercles abans de la collita".
Mireu la presentació de la Setmana Agronòmica:
Sectors: Patates
Vostè ha de ser connectat per escriure un comentari.