Development of a Vision-Guided Autonomous Variable-Rate Spraying System for Site- Specific Potato Disease Management Using YOLOv26
Deze studie presenteert een visie-gestuurd autonoom systeem voor variabele dosering van het spuiten voor de beheersing van aardappelziekten, dat gebruikmaakt van een hoogwaardig YOLOv26-model voor real-time detectie en PWM-gestuurde aansturing om het verbruik van agrochemische middelen met 32,75% te verminderen in vergelijking met conventioneel uniform spuiten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een wereld voor waarin de grootste hoofdpijn van een boer niet alleen het weer is, maar de onzichtbare vijanden die zich in de bladeren van hun gewassen verschuilen. Eeuwenlang was de oplossing voor plantenziekten een beetje alsof je een brandslang gebruikt om een enkele kaars te doven: boeren spuiten het hele veld met chemicaliën, in de hoop de zieke plekken te raken terwijl ze per ongeluk ook de gezonde plekken doordrenken. Deze "deken"-aanpak is rommelig, duur en slecht voor het milieu. Maar wat als een tractor als een slimme dokter zou kunnen fungeren? Wat als hij naar elk afzonderlijk blad zou kunnen kijken, precies zou kunnen diagnosticeren welke ervan ziek zijn, en alleen medicijnen op de geïnfecteerde plekken zou spuiten? Dit is de grens van "precisielandbouw", een gebied waar computers en camera's samenwerken met robots om gewassen met chirurgische precisie te behandelen. De sleutel tot het mogelijk maken hiervan is het leren van machines om ziekte in realtime te "zien", een taak die voorheen onmogelijk was voor computers, maar nu werkelijkheid wordt dankzij een nieuwe generatie kunstmatige intelligentie.
In dit onderzoek hebben onderzoekers van het Indian Institute of Technology Kharagpur een zelfrijdende sproeier gebouwd die fungeert als een waakzame bewaker voor aardappelgewassen. Ze hebben een kleine, driewielige robot uitgerust met een camera en een brein dat wordt aangedreven door een zeer geavanceerd AI-model genaamd YOLOv26. Denk aan YOLOv26 als een supersnelle detective die een veld kan scannen, de kleine, donkere vlekjes van aardappelziekte (een verraderlijke schimmelziekte) kan opsporen, en deze in een fractie van een seconde kan onderscheiden van gezonde groene bladeren. De robot ziet niet alleen de ziekte; hij berekent hoe ernstig de infectie in een specifiek gebied is en past vervolgens zijn spuitmond daarop aan. Als een deel van de aardappelen gezond is, fluistert de robot "geen spray nodig". Als een deel zwaar geïnfecteerd is, zet hij het volume hoger naar "volle kracht".
Het team heeft dit systeem getest in een echt aardappelveld, waarbij ze de robot door rijen gewassen reden onder natuurlijk zonlicht en schaduw. Ze ontdekten dat hun nieuwe AI-detective ongelooflijk scherp was en de zieke bladeren in 96,1% van de gevallen correct identificeerde, wat beter was dan eerdere versies van de technologie. Omdat de robot zo precies is, slaagde hij erin om de hoeveelheid gebruikte pesticiden met 32,75% te verminderen vergeleken met de ouderwetse methode van alles besproeien. In plaats van 458 liter chemicaliën per hectare te gebruiken, had de slimme robot slechts 308 liter nodig. Dit bewijst dat door machines het vermogen te geven om in realtime te zien en te beslissen, we onze voedselvoorraad kunnen beschermen terwijl we geld besparen en de bodem en het water schoner houden. Het is een kleine stap naar een toekomst waarin landbouw minder gaat over gokken en meer over precies weten wat de planten nodig hebben.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.