A Széchenyi István Egyetem mosonmagyaróvári Albert Kázmér Karán már közel harminc éve dolgoznak azon, hogy a modern digitális technológia és a fenntartható gazdálkodás kéz a kézben járjanak. A Bioműszaki és Precíziós Technológiai Tanszék kutatói nemcsak átvették a legújabb eszközöket, hanem saját rendszereket is építettek, hogy a mezőgazdasági digitalizáció valóban a gyakorlati élet és az oktatás része lehessen.

A kutatások fókusza a fenntartható mezőgazdasági gyakorlatok támogatása: a precíziós gazdálkodás keretében az inputok (pl. víz, műtrágya, növényvédőszer) hatékony és környezetkímélő felhasználása, a termésbiztonság növelése és a döntéshozatal adatvezérelt megalapozása. A mosonmagyaróvári kar úgynevezett Smart Farm tangazdasága élő laboratóriumként szolgál, ahol a fejlesztéseket a gyakorlatban is kipróbálják. A kutatók szoros együttműködésben dolgoznak a mintagazdaságokkal és gazdálkodókkal, hogy pontos képet kapjanak a mindennapi döntések szempontjából legfontosabb paraméterekről. Így biztosítják, hogy az új technológiák valóban a gyakorlati igényeket szolgálják.

A Bioműszaki és Precíziós Technológiai Tanszék kutatói

A precíziós mezőgazdaságban kulcsszerepet kapnak az IoT (dolgok internete) eszközök és szenzorhálózatok, melyek révén folyamatosan nyomon követhetők a környezeti feltételek. A Széchenyi Egyetem kutatói már 2020-ban áttekintették az IoT agráralkalmazási lehetőségeit és előnyeit. A 2020 óta zajló robot és drónfejlesztések között található egy kisméretű, autonóm robot, ami paradicsom terméshozamot becsül képfeldolgozással, vagy olyan rendszert, ami valós időben méri az ammónia szintet a talajban. Ezek a megoldások segítenek abban, hogy pontosabb döntések szülessenek, kevesebb inputanyag felhasználásával. Egy 2024-ben publikált tanulmányban a kutatók bemutatták, hogy 3D pontfelhő szegmentációval és kameraképekkel pontosan meg lehet becsülni a szabadföldi paradicsom hozamát. Az eredmények szerint a digitális képfeldolgozás és automatizált adatgyűjtés jelentősen megkönnyítheti a termésbecslést és a precíziós növénytermesztést.

A gyomfelismerésben is komoly előrelépést hoztak: drónokkal és gépi látással térképezik fel a táblák állapotát, lehetővé téve a célzott, környezetkímélő gyomirtást. A cél minden esetben ugyanaz: helyspecifikus, adatvezérelt mezőgazdaság.

A kutatócsoport munkájának egyik alappillére a mezőgazdasági IoT megoldások vizsgálata, fejlesztése. Első kísérletek még kereskedelmi műszerekkel zajlottak, de hamar kiderült: ha igazán működő megoldásokat akarnak, akkor maguknak kell fejleszteni. Így született meg például az UniSense meteorológiai állomás vagy az autonóm tereprobotok, és ezek mögött komplett szenzorhálózatok és mesterséges intelligencia dolgozik.

Az UniSense meteorológiai állomás az egyik legsokoldalúbb fejlesztés. Képes 15 percenként mérni és küldeni az adatokat, akár télen is, napelem nélkül, pusztán akkumulátorral. Az adatátvitelhez NB-IoT technológiát használnak, ami energiatakarékos és stabil.

A szenzoralapú állomás több kulcsfontosságú paramétert mér a termőhelyen, többek között:

• Talajnedvesség és talajhőmérséklet
• Szélirány és szélsebesség
• Napsugárzás intenzitás
• Levegő hőmérséklete és páratartalma és légnyomás adatok
• Levélfelületi nedvesség
• Csapadékmennyiség

A háttérrendszert a Digitális Fejlesztési Központ alkotta meg, beleértve a webes és mobilalkalmazásokat is. Ezek nemcsak valós idejű adatokat mutatnak, hanem visszamenőleges méréseket is tárolnak, hibákat jeleznek, és hamarosan növényvédelmi előrejelzésekkel is kiegészülnek. A tervek szerint hamarosan növényvédelmi előrejelzésekkel is kiegészül A fejlesztők külön adatfeldolgozó algoritmusokat dolgoznak ki a szántóföldi növénytermesztés és a kertészeti gazdálkodás sajátosságaihoz igazodva.

Az UniSense meteorológiai állomást az elmúlt hónapokban több szakmai rendezvényen is bemutatták, és kiemelten pozitív visszajelzéseket kapott. Számos hazai agrárvállalkozás jelezte együttműködési szándékát, látva az eszközben rejlő potenciált.

Dr. Teschner Gergely, a projekt egyik vezetője szerint ezek az eszközök konkrét, napi segítséget adnak. A talaj hőmérsékletéből és nedvességtartalmából meg lehet mondani, mikor érdemes vetni. A szélirány segít elkerülni a hibás permetezést. A levélfelület nedvessége megmutatja, mikor lehet aratni anélkül, hogy drága szárításra lenne szükség.

A rendszer előfizetéses formában lesz elérhető, és lehetőséget ad az adatok megosztására is. Így akár egy egész közösségi meteorológiai hálózat is kiépülhet.

Az UniSense hivatalos bemutatóját 2025. november 20-án tartják a Smart Farm tangazdaságban. Itt minden érdeklődő – gazdálkodók, kutatók, partnerek – testközelből láthatja, hogyan válik a digitális innováció gyakorlati segítséggé a mezőgazdaságban.

Nemzetközi visszhang és tudományos eredmények

A mosonmagyaróvári kutatócsoport munkáját rangos hazai és nemzetközi tudományos publikációk fémjelzik. Számos szakmai cikk jelent meg az elmúlt években, amelyek bemutatják a fejlesztések hátterét és eredményeit. A kutatók például a nemzetközi Applied Sciences folyóiratban publikálták egy saját IoT szenzorhálózat meteorológiai adatain alapuló talajnedvesség-előrejelző modell eredményeit. Ebben a tanulmányban egy Gradient Boosting Regressor (GBR) algoritmus segítségével talajnedvesség-tartalmat jósoltak különböző mélységekben, és a modell kimagasló pontosságot ért el (R² = 0,98) vályog talajon. Az eredmények rámutattak, hogy a helyspecifikus modellezéssel és IoT szenzorokkal támogatott adatgyűjtéssel jelentősen javítható az öntözés tervezése és a vízgazdálkodás hatékonysága. Egy másik tanulmányukban – amely a Progress in Agricultural Engineering Sciences szaklapban jelent meg – a kutatók mesterséges intelligencia segítségével jósolták meg a kukorica növekedését és biomassza-hozamát. A vizsgálat során drónnal gyűjtött műholdas vegetációs indexeket, terepi IoT szenzorok adatait és manuális méréseket integráltak egy gépi tanulási modellbe. Az eredmények szerint a kukorica szárának vastagsága és magassága bizonyult a legjobb előrejelző változónak a biomassza szempontjából, és a modell már 6 héttel a betakarítás előtt jelezni tudta a várható termésmennyiséget. Ez óriási előrelépés a precíziós gazdálkodásban, hiszen így a gazdák időben felkészülhetnek a betakarításra és logisztikára a várható hozam függvényében.