A jövőben a képfeldolgozás és a hozzá kapcsolódó technológiák tovább fejlődnek, még pontosabb és részletesebb adatokat biztosítva a gazdák számára. Az innovációk révén a mezőgazdaság még inkább precíziós tudományággá válik, amely képes alkalmazkodni az egyre változó környezeti és gazdasági kihívásokhoz.
Az utóbbi években a modern technológia forradalmasította a mezőgazdaságot. Nézzük, mik is voltak ezek a technológiák?
GPS (műholdas helymeghatározás)
Az 1990-es években a GPS-technológia elterjedése forradalmasította a mezőgazdaságot. A pontos helymeghatározás lehetővé tette a sorvezetést és az automata szakaszolást, ami csökkentette a felesleges átfedéseket, és növelte a munka hatékonyságát.
Műholdképek
A 2000-es években a műholdképek használata egyre gyakoribbá vált. Ezek a képek lehetővé tették a menedzsmentzónák meghatározását, ami segítette a gazdákat abban, hogy pontosan meghatározzák a különböző területek igényeit, és optimalizálják a termés menedzselését.
GIS (térinformatika)
Szintén a 2000-es években a GIS-technológia használata is elterjedt a mezőgazdaságban. Ez a technológia lehetővé tette a kijuttatási térképek készítését, ami segített a gazdáknak a műtrágya és növényvédő szerek hatékonyabb alkalmazásában.
Drónok
A 2010-es években a drónok képeinek használata jelentős előrelépést hozott. Ezek a képek lehetővé tették a variate rate technológiák alkalmazását, ami tovább növelte a precíziós gazdálkodás hatékonyságát.
Deep learning és képfeldolgozás
A mesterséges intelligenciával történő adatfeldolgozás a 2010-es években indult, de a mezőgazdaságban csak a 2020-as években kezdett megjelenni. A mélytanulás és képfeldolgozás technológiák forradalmasítják a mezőgazdasági termelést. Ezek a technológiák lehetővé teszik a növények felismerését, a gyomok detektálását, valamint a betegségek és kártevők azonosítását, így segítve a gazdákat a gyors és pontos döntéshozatalban.
Az 1. képen egy kísérleti paradicsomültetvény látképe és annak egy képfeldolgozási technológiával készített eredménye, a Meta SAM (https://segment-anything.com/demo) szegmentálási algoritmus „terméke” látható. A cikk további részében maradunk a képfeldolgozásnál. Tudta, hogy a képfeldolgozás segítségével pontosan meghatározható a kultúrnövény egészségi állapota és a talaj tulajdonságai? Feltérképezhetőek a talajhibák, a gyomosodás, a belvíz (2. kép) és a taposási kár is?
A képfeldolgozás egy olyan technológia, amely képes drasztikusan javítani a gazdálkodási gyakorlatokat.
Miért egyre fontosabb a képfeldolgozás a mezőgazdaságban?
Az éghajlatváltozás, a növekvő népesség és az élelmiszer-biztonság egyre nagyobb kihívást jelent a mezőgazdasági szektor számára. A gazdáknak hatékonyabb módszerekre van szükségük a termés optimalizálásához és a természeti erőforrások fenntartható használatához. A képfeldolgozás pontos és valós idejű adatokat biztosít, amelyek segítenek a döntéshozatalban. Például egy drón felvételei alapján azonnal észlelhetőek a növények egészségi állapotának változásai, így időben beavatkozva megelőzhetők a nagyobb károk. Részletes gyomtérképpel a megfelelő gyomirtási technológiát a lehető legkisebb területen alkalmazva a legkisebb, de még hatékony dózisokkal a fenntarthatóság és a költségcsökkentés felé léphetünk.
Gyomfelismerés folyamatának bemutatása
A képfeldolgozás egyik kiemelkedő alkalmazása a gyomfelismerés. A gyomok komoly problémát jelentenek a mezőgazdaságban, mivel versenyeznek a termesztett növényekkel a tápanyagokért, vízért és fényért. A hagyományos gyomirtási módszerek gyakran idő- és munkaigényesek, valamint környezeti károkat is okozhatnak.
A modern képfeldolgozó technológiák segítségével azonban lehetőség nyílik a gyomok automatikus felismerésére és célzott kezelésére. A drónok és földi szenzorok által készített képek elemzésével a rendszer pontosan meg tudja határozni, hol találhatók gyomok a földeken. Ezeket a képeket különböző algoritmusokkal, például mesterséges intelligenciával és gépi tanulással dolgozzák fel, amelyek képesek különbséget tenni a termesztett növények és a gyomok között. Ennek eredményeként a gazdák célzottan alkalmazhatnak gyomirtó szereket, csökkentve a vegyszerek felhasználását és a környezeti terhelést.
Nemrég megjelent tanulmányunkban (Moldvai és mtsai., 2024) 6 növényfaj megkülönböztetésével foglalkoztunk. Mindegyik növényfajból 500-500 képünk volt, és célunk volt, hogy a lehető legkevesebbet felhasználva legyünk képesek a többit beazonosítani és felismerni. A képek valós környezetben készültek és ennek következtében 1-1 képen nem csak 1 növény volt látható. Ezért első részben 1-1 növény kiemelése volt a fontos a további elemzéshez. A folyamat a 3. képen látható.
A képen bizonyos, ún. zajszűrések, színtranszformációk után a „zöld” részeket emeltük ki (b), majd meghatároztuk az egymáshoz tartozó növényi részeket (c), végül kiválasztottuk a legnagyobb növényt a képről (d). Erről a képről kiemeltünk egyrészt színinformációkat, másodsorban alaki tényezőket, harmadsorban textúrajellemzőket és távolságtranszformáció alapján még néhány jellemzőt. A távolságtranszformáció és a kiemelt levéli részek a következő ábrán láthatóak.
A képfeldolgozás során több száz paramétert nyertünk ki minden egyes képből, majd mesterséges intelligencia, neurális hálók és osztályozók betanításával létrehoztunk modelleket, amelyek utána alkalmasak egy új képről megmondani, hogy a 6 növényünk közül melyik van a képen. Végeredményben 94,56%-os pontosságot értünk el.
Előnyök és jövőbeli kilátások
A fentiek alapján elvégezhető akár heti 1-2 alkalommal drónmonitoring is, és pár órán belül pontosan tudjuk, hol mennyi és milyen fajta gyom található az adott szántóföldi területen. Esetleg a szoftver jelzi, hogy szerinte érdemes lenne 2 kisebb foltot már most lepermetezni, illetve az egyik táblán pár napon belül sorközművelés lenne célszerű. Az automatikus gyomfelismerés és a képfeldolgozás további előnyei közé tartozik a termés egészségi állapotának folyamatos monitorozása, a talaj tápanyagtartalmának elemzése és az öntözési igények optimalizálása. Ezek az előnyök nemcsak a termelékenységet növelik, hanem hosszú távon csökkentik a költségeket, és fenntarthatóbbá teszik a gazdálkodást.
Léteznek olyan öntözőrendszerek, amelyek kamerákkal és mesterséges intelligenciával vannak felszerelve. Ahányszor végigmegy a rendszer a terület felett, és öntöz, addig a kamera dolgozik és a háttérben már gyűlik az adat, hogy hol van elszíneződés az állományban, hol jelent meg kártevő vagy kártevő kártételére utaló jel, vagy akár hol jöttek be vadállatok, és tapostak ki a növényi részeket. Ez alapján sokkal hamarabb valósítható meg technológiai beavatkozás és korrekció. Egy másik nagy előnye a képfeldolgozó rendszereknek, hogy a több 100 000 kép kiértékelése után a növényorvosnak már csak azt az 5–10 képet küldi el a rendszer, amelyik további szakértői döntést igényel, amivel rengeteg időt és energiát megspórol.
A következő években kezdenek majd elterjedni a képfeldolgozás- és mesterségesintelligencia-alapú mezőgazdasági robotok. Ezek már a gyomirtást szelektíven képesek végezni, a növény védelemét, a betakarítást és osztályozást akár a termékek csomagolását is egy lépésben megoldják. A fenti képen a Széchenyi István Egyetem Precíziós Bio-műszaki Kutatócsoportja által kezelt paradicsomültetvényen kezdi meg monitoringmunkáját a saját fejlesztésű robot.
Összefoglalva, a képfeldolgozás jelentős előrelépést jelent a mezőgazdaságban, lehetőséget adva a gazdáknak, hogy hatékonyabb és fenntarthatóbb módon gazdálkodjanak. A technológia alkalmazása segít a gyomok elleni küzdelemben, a termés védelmében és a termelékenység növelésében. Ahogy a technológia tovább fejlődik, a mezőgazdaság is egyre inkább profitálhat belőle, biztosítva a jövő élelmiszer-ellátását és a fenntartható gazdálkodást.
SZERZŐ: MOLDVAI LÁSZLÓ • SZÉCHENYI ISTVÁN EGYETEM, ALBERT KÁZMÉR MOSONMAGYARÓVÁRI KAR, BIOLÓGIAI RENDSZEREK ÉS PRECÍZIÓS TECHNOLÓGIAI TANSZÉK
