Nyéki Anikó, Kerepesi Csaba, Daróczy Bálint, Benczúr András, Milics Gábor, Nagy J., Harsányi Endre, Kovács Attila József, Neményi Miklós

Application of spatio‑temporal data in site‑specific maize yield prediction with machine learning methods

Precision Agriculture (2021) 22:1397–1415

https://doi.org/10.1007/s11119-021-09833-8

A fenntarthatósági követelmények teljesítése és a hozamot befolyásoló tényezők meghatározása érdekében egyre valószínűbb, hogy a hagyományos hozammodellezést mesterséges intelligencia (MI) segítségével fogják végezni. A tanulmány célja a kukorica hozamok előrejelzése volt olyan MI segítségével, amely tér-időbeli tanulási adatokat használ. A tanulmány egy új módszert fejlesztett ki a kukorica hozamának előrejelzésére, amely a tér-időbeli adatbányászatra épül. A legjobb megoldás megtalálása érdekében különböző modelleket használtak: ellen-propagációs mesterséges neurális hálózatok (CP-ANN-k), XY-fúziós Query hálózatok (XY-F-k), felügyelt Kohonen hálózatok (SKN-k), Rectangular Linear Activations (ReLU) neurális hálózatok, extrém gradiensemelés (XGBoost), támogatás-vektor gép (SVM), és az öt vegetációs időszakban különböző független változók részhalmazai. A modellezéshez használt bemeneti változók közé tartoztak: talajparaméterek (pH, P2O5, K2O, Zn, agyagtartalom, ECa, vonóerő, Kúp index), mikro-domborzati átlagok és meteorológiai paraméterek a 15,3 hektáros kutatási területen lévő 63 kezelési egységre vonatkozóan. A legjobban teljesítő módszer (XGBoost) 92,1% és 95,3% pontosságot ért el a tanuló és a teszt készleteken. Emellett egy új módszert vezettek be az egyes egységek rácsrendszerben történő kezelésére. A rács-alapú simítás további növekedést eredményezett az AUC-ben (97,5%) az XGBoost modell egyéni előrejelzéseihez képest. A modelleket 48 különböző változóhalmaz használatával fejlesztették ki annak meghatározására, hogy mely változók járultak hozzá következetesen az előrejelzési pontossághoz. Az eredmények összehasonlításával kimutatták, hogy a legjobb regressziós modell az Extreme Gradient Boosting Trees volt, 92,1%-os pontossággal (a tanuló készleten). Ezenkívül a módszer kiszámítja a helyspecifikus talajtermékenység térbeli eloszlásának hatását a kukorica szemtermésére. Ez a tanulmány új módszert biztosít a tér-időbeli adat-elemzésekre, figyelembe véve a kukorica hozamaira legnagyobb hatást gyakorló tényezőket.

Moldvai László, Mesterházi Péter Ákos, Teschner Gergely, Nyéki Anikó

Gyom detektálás és osztályozás számítógépes látással egy korlátozott méretű képi adathalmaz segítségével

Applied Sciences 2024, 14, 4839.

https://doi.org/10.3390/app14114839

A precíziós mezőgazdálkodásban egyre gyakrabban alkalmaznak robotokat a termények megfigyelésére, a gyomláló és betakarító robotok használata növeli a számítógépes látás iránti igényt. Jelenleg a legtöbb kutató és vállalat ezeket a számítógépes látási feladatokat CNN-alapú mélytanulással kezeli. Ez a technológia szakértők által megjelölt növény- és gyomképek nagy adathalmazait, valamint jelentős számítási erőforrásokat igényel. A számítógépes látás hagyományos jellemzőalapú megközelítései azonban az adathalmaz méretének mindössze tizedével képesek értelmes paraméterek kinyerésére és összehasonlíthatóan jó osztályozási eredmények elérésére. Ez a tanulmány bemutatja ezeket a módszereket, és arra törekszik, hogy meghatározza a megbízható osztályozáshoz szükséges legkisebb számú gyakorló képet. Az osztályozási eredményeket gyomfajtánként 5, 10, 20, 40, 80 és 160 képpel teszteltük egy hat-osztályos osztályozási rendszerben. Kivontuk az alakjellemzőket, a távolságtranszformációs jellemzőket, a színhisztogramokat és a textúrajellemzőket. Minden egyes jellemzőtípust külön-külön és különböző kombinációkban teszteltünk, hogy meghatározzuk a legjobb eredményeket. Hatféle osztályozót használva gyomnövényenként 160 kép esetén 94,56%-os felismerési arányt értünk el. Jobb eredményeket értünk el több gyakorló képpel és többféle jellemzővektor felhasználásával.

AMBRUS BÁLINT

ROBOTTECHNIKA ALKALMAZÁSI LEHETŐSÉGEI A SZÁNTÓFÖLDI NÖVÉNYVÉDELEMBEN

Széchenyi István Egyetem, Albert Kázmér Mosonmagyaróvári Kar, Biológiai Rendszerek és Precíziós Technológiai Tanszék, Mosonmagyaróvár

Acta Agronomica Óváriensis Vol. 62. No.1. (2021)

ÖSSZEFOGLALÓ

A szerző a mezőgazdaságban, azon belül a növényvédelemben alkalmazott robotok jellemzőit, valamint a robottechnológiai lehetőségeket, a robottechnika által nyújtott lehetőségeket mutatja be. Különös hangsúlyt fektet a fenntarthatóság kritériumainak elemzésére. A legkritikusabb tényező a szintetikus növényvédő szerek, a kemikáliák használatának csökkentése, ill. helyettesítése fizikai eljárásokkal. Ezek az ismeretek segítik a paradigmaváltást a mezőgazdasági munkák automatizálásában, robotizálásban. A jövő a small, smart, interconnected, light machines, tehát a kis méretű, okos gépeké. Ezek jellemzői azonban morális és azon belül számos etikai, valamint menedzsment és szociális kérdést vetnek fel mind a rajban dolgozó gépek üzemeltetése, mind pedig tervezése és gyártása terén. A jövő a szuperintelligens gépeké ezen a területen is, amelyek mind a szoftver, mind a hardver területen képesek lesznek magukat továbbfejleszteni. Felhívja a figyelmet a dolgozat arra is, hogy olyan értelemben is paradigmaváltásra van szükség, hogy az alapgépeket szabványosítani kell, vagyis egy robot tervezésénél ne az alapokból kelljen kiindulni, hanem fel lehessen használni a már korábban kifejlesztett alkalmazásokat is. Erre jó példa az From Toy to Tool: FTtT. Az ipari robotok számos innovációs lehetőséget kínálnak, ugyanakkor ezen ismeretek, tapasztalatok természetes környezetbe történő adaptálása komoly kihívásokat jelent. A mezőgazdasági termelés sajátos jellege miatt a robotizáció területén az iparban felhalmozódott ismeretek, megoldások itt csak részben hasznosíthatók, és az egyes termelési területek többségében szintén sajátos megoldások szükségesek. Valószínűsíthető, hogy a mezőgazdaság robotizálása új szervezési és szervezeti struktúrák kialakítását is igényli. Ehhez is nyújt segítséget a cikk.

Kulcsszavak: robot, robottechnika, növényvédelem, GPS, RTK, MI, drón

Tarek Alahmad, Miklós Neményi, Anikó Nyéki

“IoT-szenzorok és big data adatbázisok alkalmazása a precíziós növénytermesztés hatékonyságának javítására.”

Agronomy 2023, 13, 2603.

https://doi.org/10.3390/agronomy13102603

Széchenyi István Egyetem, Mosonmagyaróvári Albert Kázmér Mosonmagyaróvári Kar, Biológiai Rendszerek és Precíziós Technológiai Tanszék, Mosonmagyaróvár 9200, Magyarország.

Ez az áttekintő cikk az információs és kommunikációs technológia (IKT) precíziós mezőgazdaságban való alkalmazásának potenciális előnyeit tárgyalja a fenntartható mezőgazdasági növekedés fokozása érdekében. A jelenlegi technológiákat, például a tárgyak internetét (IoT) és a mesterséges intelligenciát (AI), valamint azok alkalmazásait a mezőgazdasági ágazatba kell integrálni a hosszú távú mezőgazdasági termelékenység biztosítása érdekében. Ezek a technológiák képesek javítani a globális élelmezésbiztonságot, a terméskiesések csökkentését, az élelmiszerpazarlás mérséklését és az erőforrás-felhasználását. A több platfomrból, különösen az in situ és a menet közbeni (on-the-go) szenzorokból származó nagy mennyiségű adat összegyűjtésének és elemzésének fontosságát emelik ki, mint a precíziós mezőgazdaságban a prediktív döntéshozatali képességek elérésének és a terméshozamok előrejelzésének fontos elemét gépi tanulás segítségével. A cikkben tárgyalják a vezeték nélküli érzékelőhálózatokkal (WSN) történő monitoringot szántóföldi alkalmazásban és hangsúlyozzák a rádiófrekvenciás (RF) adatátviteli módokat, amelyek befolyásolják a jelintenzitást, az interferenciát, a rendszermodellt, a sávszélességet és az átviteli tartományt a sikeres agrár-IoT mezőgazdasági rendszerek létrehozásakor. A kommunikációs protokollok és interfészek jelentőségét az érzékelőkből szerzett mezőgazdasági adatok különböző formátumokban történő bemutatásához szintén hangsúlyozza a tanulmány, valamint a 4G, 3G és 5G technológiák funkcióját az IoT-alapú intelligens gazdálkodásban. Összességében ezek a kutatások rávilágítanak a vezeték nélküli szenzorhálózatok és a nagyméretű adatok jelentőségére a precíziós növénytermesztésben.

Ambrus Bálint, Neményi Miklós, Kovács Attila, Nyéki Anikó

Small-smart robot fejlesztése Mosonmagyaróváron

MEZŐGAZDASÁGI TECHNIKA

Az utóbbi időben több tanulmány is felhívta a figyelmet arra, hogy ismét paradigmaváltásra van szükség, a mezőgazdaság jelenlegi kedvezőtlen hatásai a bioszférára nem csökkenthetők a tradicionális kísérletekre alapozott kutatások nyújtotta ismeretekkel. A globális élelmezésbiztonságot több forrás fenyegeti, mint például a népesség növekedése, a húsfogyasztási trendek, az éghajlatváltozás hatásai. Ezen túlmenően a növekvő kártevő-, betegség- és gyomtoleranciával egyre nagyobb nyomás nehezedik mind a hagyományos, mind a precíziós technológiákra is. E kihívások terhének enyhítésére ad lehetőséget a gazdálkodási folyamat egyes aspektusainak automatizálása és robotizálása.

MEZŐGAZDASÁGI TECHNIKA 58 : 12 pp. 18-20., 3 p. (2022)

Molnár Zoltán, Mutum Lamnganbi, Wogene Solomon, Janda Tibor

A kitozán és a cianobaktérium biomassza hatása az őszi búza (Triticum aestivum L.) fiziológiai és biokémiai paramétereire tápanyagstressz körülmények között

Agrosystems, Geosciences & Environment, 6, e20428 (2023)

https://doi.org/10.1002/agg2.20428

A természethez való visszatérés szellemében, a tudományos eredmények felhasználásával a növények termelékenységének növelése fokozható anélkül, hogy veszélyeztetnénk a környezetet. A kutatók figyelmet fordítanak arra, hogy a természetes termékek alternatív tápanyagforrásokká váljanak a növények számára, megfizethető áron. A kitozán és a cianobaktériumok anyagcsere fokozóként, biotrágyaként és antimikrobiális tulajdonságaik révén népszerűvé váltak a mezőgazdaságban. A cianobaktériumok köztudottan biostimuláló tulajdonságokkal rendelkeznek, míg a kitozán jól ismert a benne rejlő biológiai hatásairól. A nitrogén kijuttatás minimalizálása érdekében elsőként számoltunk be arról, hogy a kitozán, a cianobaktérium biomassza vagy mindkettő 50%-os nitrogénnel történő kijuttatása képes olyan hatékonyan kiegyensúlyozni az őszi búza növények különböző fiziológiai és biokémiai fejlődéshez szükséges tápanyagszükségletet, mint a 100%-os nitrogénadagolás. Az adatokat csak a korai vegetatív szakaszokra vonatkozóan rögzítettük, mivel nem vernalizált őszi búza vetőmagot használtunk. A kísérlet során mértük a hexóz, a klorofill-a, a klorofill-b, az összes fenol (TPC) és a relatív víztartalmat (RWC). A legtöbb paraméter tekintetében hasonló eredményeket kaptunk a kontroll (100%-os ajánlott nitrogénadaggal) és a többi kezelés (ahol cianobaktérium biomasszát, kitozánt vagy mindkettőt alkalmaztunk) között. Egyértelműen kimutattuk, hogy az ajánlott nitrogéndózisok 50%-a csökkenti a hexóz-, a klorofill és a relatív víztartalmat. Így a kezelések hatékonyan kiegészítették a növények fejlődési igényeit. A kitozán és a cianobaktérium biomassza együttes alkalmazása az őszi búza növények termesztése során jelentősen csökkentheti a nitrogéntrágyázást, növeli a fotoszintézist, növeli a szárazság stresszel szembeni ellenálló képességet és az antioxidáns aktivitást.

Vörös Levente, Ledóné Ábrahám Rita

Azadirachtin hatóanyag csávázással történő alkalmazásának hatása az amerikai kukoricabogár (Diabrotica virgifera virgifera) lárvasűrűségére és a gyökér visszarágottság mérséklésére

J Plant Dis Prot 130, 757–767 (2023)

https://doi.org/10.1007/s41348-023-00763-3

Az amerikai kukoricabogár (Diabrotica virgifera virgifera LeConte) Magyarország egyik legjelentősebb kukoricakártevője. Mivel mind a lárvák, mind az imágók képesek jelentős gazdasági veszteségeket okozni, ezért elengedhetetlen az ellenük való folyamatos védekezés. A lárvák elleni védekezés költséges, és a nagy mennyiségben kijuttatott talajfertőtlenítő szerek használata terhelést jelent a környezetre. Az elmúlt években számos, talajinszekticidet vontak ki a forgalomból, ezzel növelve a kártevő ellen hatékony védelmet nyújtó biológiai készítmények értékét. Az azadirachtin, az Azadirachta indica magjának kivonata az egyik ilyen biológiai hatóanyag. Kísérleteinkben két azadirachtint tartalmazó készítményt, a Neemazal T/S (1% azadirachtin; 10 g/l) és Neemazal F (5% azadirachtin; 50 g/l) hatékonyságát vizsgáltuk, amelyeket kukoricabogár lárvái ellen magcsávázás formájában használtunk fel. A termékeket különböző koncentrációkban (10–150%) kerültek felhasználásra Magyarország különböző régióiban és eltérő talajtípusokon. Ezen biológiai inszekticid hatékonynak bizonyult a kártevő lárvaalakja ellen. Az 50%-ot meghaladó koncentrációjú kezelések minden ismétlésben hatásosak voltak.