愿景,深度学习以及机器人和其他技术学,可能有助于减轻对更可持续的农业系统的需求。但是,传统的工业机器人不是为典型农业生态系统的复杂环境而设计的。农业领域中最关键的害虫控制问题之一是杂草控制,这是目前是一项劳动力的任务。因此,自动化杂草控制系统的需求很大。蔬菜场中的机器人内部杂草控制需要机器视觉,作物定位,决策和代理系统。缺乏可靠的技术来检测,定位和分类杂草和作物植物是开发针对特种蔬菜等特种耕作的完全自动化和全面的杂草管理系统的主要技术障碍。在杂草密度中等至高杂草密度的杂草田中,现有的机器人除草机变得混乱,因为它们无法解释过去的几十年,研究人员一直在尝试各种方法来实时区分杂草的杂草 - 杂草 - 杂草浓度。Lee等。 (1999)提出并开发了一个实时机器视觉系统,该系统以3 fps的速度区分了番茄植物和杂草,代表114毫米101毫米的种子线面积,允许杂草控制系统以1.20 kmh 1的速度传播。 番茄植物在75.8%的时间内正确识别,低于所需的准确性。 Lamm等。 (2002)开发了一种基于Lee El al的棉花的精确杂草映射的系统。 Slautter等。Lee等。(1999)提出并开发了一个实时机器视觉系统,该系统以3 fps的速度区分了番茄植物和杂草,代表114毫米101毫米的种子线面积,允许杂草控制系统以1.20 kmh 1的速度传播。番茄植物在75.8%的时间内正确识别,低于所需的准确性。Lamm等。(2002)开发了一种基于Lee El al的棉花的精确杂草映射的系统。Slautter等。的(1999)原型,并达到了88%的歧视精度。(2008)开发了一种多光谱的机器视觉识别系统,以对杂草的生菜作物分类,并获得90.3%的精度。Haff等。 (2011年)后来提出了一个基于X射线的作物检测系统,该系统达到了90.7%的tomatoplantsatthetthervavel speedof1.6kmh 1的检测准确性。 zhangetal。 (2012)提出了一种高光谱成像系统,以实时识别作物植物并将其与杂草区分开。 该系统在区分杂草的作物方面达到了95.8%的准确性。 有许多关于AI,机器学习,深度学习技术的研究工作,以对杂草进行分类(Bah等,2018; Osorio等,2020)。 Osorio等。 (2020)使用多光谱摄像机在生菜场和应用的SVM(支撑矢量机),Yolov3(您只看一次V3)和掩盖r e cnn(基于区域的综合神经网络)中的图像,以在杂草和作物之间进行分类,并在79%,89%,89%,89%,89%,89%,89%,89%,89%的差异Haff等。(2011年)后来提出了一个基于X射线的作物检测系统,该系统达到了90.7%的tomatoplantsatthetthervavel speedof1.6kmh 1的检测准确性。zhangetal。(2012)提出了一种高光谱成像系统,以实时识别作物植物并将其与杂草区分开。该系统在区分杂草的作物方面达到了95.8%的准确性。有许多关于AI,机器学习,深度学习技术的研究工作,以对杂草进行分类(Bah等,2018; Osorio等,2020)。Osorio等。(2020)使用多光谱摄像机在生菜场和应用的SVM(支撑矢量机),Yolov3(您只看一次V3)和掩盖r e cnn(基于区域的综合神经网络)中的图像,以在杂草和作物之间进行分类,并在79%,89%,89%,89%,89%,89%,89%,89%,89%的差异
技术进步彻底改变了自动农药喷雾剂,从而提高了效率,精度和可持续性。GPS指南和自动驱动系统可实现准确的导航和覆盖范围,最大程度地减少重叠并确保没有错过的区域。可变速率技术允许根据土壤类型和作物健康等因素应用不同的农药量,从而优化使用并减少环境影响。传感器集成,例如杂草检测和作物高度传感器,可实现特定地点应用,进一步最大程度地减少废物。无人机技术在具有挑战性的地形和高价值作物中提供了精确的应用,而人工智能和机器学习算法分析了数据,以优化喷雾模式,预测暴发并提高整体效率。这些进步通过减少农药使用,最大程度地降低环境影响并提高农业生产力来有助于更可持续和有效的害虫管理实践。
摘要:为了满足人口不断增长的需求,农业在促进粮食供应方面起着至关重要的作用。不幸的是,用于识别疾病和将农药应用于农作物的常规技术是劳动密集型,缓慢且常常无效的技术。我们建议改善基于机器的虫害识别和农药喷雾器,以解决上述问题。该项目的目标是使用物联网和人工智能技术来自动化疾病诊断和农药喷涂程序。用于入侵者检测和控制,机器人使用Arduino微控制器,电动机,电动机,蓝牙模块和PIR传感器。我们还采用了Google Colab上可用的植物疾病鉴定模型。该技术旨在提高粮食安全,减少对体力劳动的需求,最大程度地减少农药的使用并增加农业产量。关键字:机器学习,害虫识别,农药喷雾,Google Colab,物联网(IoT)。
Pharma Innovation Journal 2023; SP-12(12):1689-1694 ISSN(E):2277-7695 ISSN(P):2349-8242 NAAS评级:5.23 TPI 2023; SP-12(12):1689-1694©2023 TPI www.thepharmajournal.com接收到:接受:19-10-2023接受:25-11-2023 MV JALU农业机械和动力工程系 Engineering and Technology, JAU, Junagadh, Gujarat, India PS Ambaliya Department of Farm Machinery and Power Engineering, Collage of Agricultural Engineering and Technology, JAU, Junagadh, Gujarat, India DB Chavda Department of Farm Machinery and Power Engineering, Collage of Agricultural Engineering and Technology, JAU, Junagadh, Gujarat, India Corresponding Author: MV Jalu Department of农业机械和动力工程,农业工程和技术的拼贴,Jau,Junagadh,Gujarat,India
继电器板图4是Atmega32a。5 V,一个16 MHz处理器,带有32 KB的闪存和1 kb的RAM。数据总线为8位,因为ATMEGA32A是8位CPU。有40个销钉(每侧有20个引脚)。无线接口的蓝牙模块是HC-05。其最大范围为30英尺。发光二极管(LED)单独显示每个状态机的状态。DC-DC转换器将电池的12 V电源转换为系统处理器的5 V DC和ATMEGA32A使用情况。Darlington Opt Coupler是4N33。驱动金属氧化物半导体磁场效应晶体管(MOSFET),后者又驱动继电器;它将处理器的(5 V)Atmega32a信号转换为12 V信号,充当级别变速杆。1N4007:是一个自由意志二极管。它死了或杀死了
Pharma Innovation Journal 2023; 12(5):382-386 ISSN(E):2277-7695 ISSN(P):2349-8242 NAAS评级:5.23 TPI 2023; 12(5):382-386©2023 TPI www.thepharmajournal.com收到:20-02-2023接受:25-03-03-2023 Kavya诉土壤科学和农业化学系Keladi Shivappa shivappa shivappa shivappa shivappa shivappa nayaka shivappa nayaka nayaka University of农业和研究印度卡纳塔克邦,北卡纳塔克邦,Keladi Shivappa Nayaka农业与园艺科学的土壤科学和农业化学,贝拉迪·史瓦帕帕帕帕帕帕巴省农业和园艺科学系,印度科学科学和印度Shimoga,karnataka,karnataka ranata,karnataka,karnataka,karnataka ranta,karnataka,karnataka,kararata ranta,印度卡纳塔克邦莱彻尔农业科学大学农业化学,印度卡纳塔克邦:迪莱普R土壤科学与农业化学系,农业科学大学,科学大学,印度卡纳塔克邦雷克尔大学农业科学。
摘要:小型农民和其他涂抹者使用杠杆操纵的背包,因为其多功能性,成本和设计。除了苦苦挣扎之外,缺乏压力控制是使用这些喷雾器的最大限制,因为它导致化学制备,不一致的喷雾图案和喷雾液滴尺寸的流量(剂量)可变,这所有这些都会影响喷雾覆盖范围和化学性能。人手不能保持稳定的抽水率。结果是化学物质的误入性和对靶病虫害的无效控制。这项研究发展了一种新的创新,该创新在恒定压力下运作,从而提供了除草剂的均匀沉积,从而可以更好地控制杂草,并提高了尼日利亚的农业生产力。通过丢弃手动操作的活塞和隔膜泵,它可以减少使用常规杠杆式旋转式喷雾器而遇到的繁琐的。匹配可充电电池的设计和安装和直流泵提议减少操作员的任务,以仅携带坦克并用任何一只手喷洒。由DC可充电电池供电的稳定抽水可确保持续的抽水压力和喷雾液滴沉积的均匀性。该项目以适当的技术提供依靠提高尼日利亚的农业生产力和粮食安全。旨在提供一台具有成本效益的机器,以有效地解决尼日利亚和其他发展中国家的作物保护。