I ricercatori dell'Università del Missouri hanno dimostrato che i droni combinati con l'intelligenza artificiale possono valutare la salute delle colture di mais in modo più efficiente rispetto ai tradizionali metodi di scouting sul campo, offrendo potenziali guadagni nell'uso dei fertilizzanti e nella gestione ambientale.
Lo studio, condotto in campi di mais Missouri a metà -, usavano droni dotati di fotocamere multispettrali per catturare lunghezze d'onda come vicino a - infrarosso e rosso - bordo, che sono collegate alla salute delle piante ma invisibili all'occhio umano. Abbinando queste immagini con i dati del suolo ed elaborandoli attraverso i modelli di apprendimento della macchina -, il team ha stimato i livelli di clorofilla fogliare - Un indicatore chiave dello stato di azoto - tra interi campi con alta precisione.
"Conoscere il contenuto di clorofilla di ogni pianta aiuta gli agricoltori a determinare il momento giusto, la posizione e la quantità di applicazione di azoto", ha affermato Jianfeng Zhou, professore associato nel College of Agriculture, alimentare e delle risorse naturali e Co - Direttore della ricerca presso il centro di ricerca sull'agricoltura digitale di Mizzou. "Ciò può aumentare i rendimenti riducendo al contempo l'uso chimico in eccesso che influisce sull'ambiente."
Il mais è tra le colture che richiedono più azoto -, rendendo la gestione precisa dei nutrienti un problema significativo dei costi e della sostenibilità. L'applicazione - aumenta le spese e può portare all'inquinamento idrico, mentre sotto l'applicazione - può ridurre i rendimenti.
Il team di ricerca, guidato dallo studente di dottorato Fengkai Tian, ha osservato che tale monitoraggio potrebbe essere consegnato commercialmente dai fornitori di servizi tecnici AG -, consentendo agli agricoltori di beneficiare senza investire in operazioni di droni o capacità di elaborazione dei dati. Mentre lo studio si è concentrato sul mais, il metodo potrebbe essere adattato per altre colture, tra cui semi di soia e grano, con aggiustamenti per tenere conto di diversi profili di nutrienti.
I risultati, pubblicati inTecnologia agricola intelligente, sono stati prodotti in collaborazione con il servizio di ricerca agricola del Dipartimento dell'Agricoltura degli Stati Uniti. Il lavoro riflette una spinta più ampia all'interno dell'agricoltura di precisione per integrare il telerilevamento, l'IA e la gestione mirata degli input per migliorare l'efficienza e ridurre gli impatti ambientali.
