2022-1.2.2-TÉT-IPARI-UZ-2022-00010

A projekt tartalmának bemutatása:

Napjainkban nem csak a növénytermesztésben, de minden mezőgazdasági ágazatban az egyik legjelentősebb kihívás a precíziós mezőgazdasági technikák fejlesztése és implementálása. A növénytermesztési ágazaton belül a precíziós gazdálkodás jelentősége egyre kiterjedtebbé válik. Ugyanakkor a precíziós gazdálkodás során elmarad a neurális hálózatok kiterjedt gyakorlati alkalmazása, amely viszont számos kihívásra hatékony megoldással szolgálhat. A kihívások közül kiemelendő a különböző növényi betegségek és kártevők elleni védekezés hatékonyságának javítása. A védekezési módszerek közül a leggyakrabban alkalmazott, a permetezési módon kijuttatott növényvédőszeres védekezés. Ahhoz, hogy a permetezés során kijuttatott növényvédőszer a lehető legjobban hasznosulni tudjon, az adott termőterület növényi növekedési homogenitása szűk keresztmetszetet képvisel. A neurális hálózatokkal történő növényi növekedési fázisok azonosításával, a permetezési hatékonyság növelhetővé válik. A képfelismerő neurális hálózatok megteremtik a lehetőségét a növényi kultúrák fejlődési fázisainak azonosítására, ezáltal megteremtve a lehetőséget a legoptimálisabb időpontban történő védekezésre. A termőterület növényi növekedés homogenitásának pontos feltárásán alapuló permetezés és a permetezési költséghatások predikciójával a költségek nagymértékben csökkenthetők. Kutatásunkban egy olyan szoftvert fejlesztünk, amely egyrészt tartalmazza a betanított neurális hálózat alapú képfelismerési algoritmust. Ezen algoritmus, magas megbízhatósági szint mellett képes lesz a növények növekedési fázisainak dinamikus felismerésére. A szoftver a gyapot növekedési fázisain kerül tesztelésre. A kutatás eredményeként, tehát létrehozásra kerül egy szigetszerűen vagy a különböző vállalatirányítási rendszerekbe integráltan alkalmazható permetezési modul, amelynek célja a permetezési hatékonyság növelése és annak költségalapú monitoringozása, neurális hálózat alapú képfelismerő algoritmus alapján.