Para peneliti di University of Missouri telah menunjukkan bahwa drone yang dikombinasikan dengan kecerdasan buatan dapat menilai kesehatan tanaman jagung lebih efisien daripada metode kepanduan lapangan tradisional, menawarkan potensi keuntungan dalam penggunaan pupuk dan manajemen lingkungan.
Studi ini, yang dilakukan di mid - bidang jagung Missouri, menggunakan drone yang dilengkapi dengan kamera multispektral untuk menangkap panjang gelombang seperti dekat - inframerah dan merah - edge light, yang terkait dengan kesehatan tanaman tetapi tidak terlihat dengan mata manusia. Dengan memasangkan gambar -gambar ini dengan data tanah dan memprosesnya melalui mesin -, tim memperkirakan level klorofil daun - indikator kunci status nitrogen - di seluruh bidang dengan akurasi tinggi.
"Mengetahui kandungan klorofil dari masing -masing pabrik membantu petani menentukan waktu, lokasi, dan jumlah aplikasi nitrogen yang tepat," kata Jianfeng Zhou, associate professor di College of Agriculture, Food and Natural Resources and Co - direktur penelitian di pusat penelitian pertanian digital Mizzou. "Itu dapat meningkatkan hasil sambil mengurangi penggunaan kimia berlebih yang berdampak pada lingkungan."
Jagung adalah salah satu nitrogen - yang paling menuntut tanaman, menjadikan manajemen nutrisi yang tepat sebagai masalah biaya dan keberlanjutan yang signifikan. Lebih dari - aplikasi menaikkan biaya dan dapat menyebabkan polusi air, sementara di bawah - aplikasi dapat mengurangi hasil.
Tim peneliti, yang dipimpin oleh mahasiswa doktoral Fengkai Tian, mencatat bahwa pemantauan semacam itu dapat disampaikan secara komersial oleh AG - penyedia layanan teknologi, yang memungkinkan petani untuk mendapatkan manfaat tanpa berinvestasi dalam operasi drone atau kemampuan pemrosesan data. Sementara penelitian ini berfokus pada jagung, metode ini dapat disesuaikan untuk tanaman lain, termasuk kedelai dan gandum, dengan penyesuaian untuk memperhitungkan profil nutrisi yang berbeda.
Temuan, diterbitkan diTeknologi Pertanian Cerdas, diproduksi bekerja sama dengan Layanan Penelitian Pertanian Departemen Pertanian AS. Pekerjaan ini mencerminkan dorongan yang lebih luas dalam pertanian presisi untuk mengintegrasikan penginderaan jauh, AI dan manajemen input yang ditargetkan untuk meningkatkan efisiensi dan mengurangi dampak lingkungan.
