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
d蛋白石海岸大学,环境化学和生活12(UCEIV)的互动单位(UCEIV),UR4492,SFR CONDORCET FR CNRS 3417,50 RUE FERDINAND BUISSON,62228,62228,13 CALAIS,法国。14 *蛋白石海岸大学的环境化学和相互作用单位(UCEIV)(UCEIV),UR4492,SFR CONDORCET FR CNRS 3417,50 RUE FERDINAND BUISSON,16 622228 RUE FERDINAND BUISSON,CALAIS CALAIS。17
自动杂草杀死机器人是一种创新的方法,它使用自动化来解决农业领域的杂草控制问题。该系统旨在在农业环境中自主检测和消除杂草,从而大大减少了对手动劳动的需求和过度使用除草剂。机器人使用Arduino微控制器作为中央单元,用于远程通信的蓝牙,用于移动的DC电动机,用于控制电动机的电动机驱动器以及电机泵施加除草剂。机器人的核心功能基于使用传感器检测杂草并在必要时应用杀死机制。该系统不仅可以通过最大程度地减少化学物质的使用并减少环境影响来有效地控制杂草。
摘要 - 精确农业专注于自动杂草检测,以改善输入的使用并最大程度地减少除草剂的施用。提出的纸张概述了一个视觉变压器(VIT)模型,用于杂草检测,该模型应对农作物和杂草的相似之处,尤其是在复杂的,多样化的环境中,这是由于农作物和杂草的相似性而引起的。该模型是通过使用高分辨率无UAV图像在有机胡萝卜场上拍摄的具有农作物,杂草和背景的高分辨率的无UAV图像的图像进行训练的。由于包括自我注意力的VIT机制的性质,这使其能够捕获长期的空间依赖性,因此这种方法可以很好地将作物行与排间杂草间簇区分开。解决了类不平衡的问题并改善了斑块的通用性,使用了数据预处理技术(例如贴片提取和增强)。在分类中的精度为89.4%,超过了基本模型(例如u-Net和FCN)在实际应用条件下的效率,已证实了所提出的方法的有效性。这种提出的基于VIT的方法是作物管理的明显改善。并为选择性杂草控制提供了前景,以支持更可持续的农业。该模型也可以集成到基于AI的拖拉机中,以实现现场的实时杂草管理。
杂草管理在芋头种植中构成了重大挑战,因为这是季风季节中长期种植的作物。其延长生长期的温暖,潮湿的条件促进了快速的杂草发芽和生长,使杂草管理工作变得复杂。为了解决这个问题,2021年和2022年在贾肖尔的孟加拉国农业研究所进行了一项研究,以评估塔罗的可持续杂草管理策略。The experiment, designed as a randomized complete block (RCB) with three replications, tested seven weed control methods: T 1 = straw mulching (SM), T 2 = pre-emergence herbicide + SM, T 3 = poly mulching (PM), T 4 = pre-emergence herbicide + PM, T 5 = intercropping + two hand- weeding, T 6 = pre-emergence herbicide, and T 7 =沿t 8 =无杂草和t 9 =杂草控制治疗的四个手质量。结果表明,所有覆盖处理均达到70%至80%的杂草控制效率,将杂草的生长显着降低到出现后120天(DAE)。间作 +手提处理的杂草控制最多90 DAE。在覆盖物中,稻草覆盖导致最高的植物和最宽的植物底,导致产量最高和收益成本比,然后进行其他覆盖物和间作 +手除草处理。出生前除草剂治疗的作用短,因此无效。此外,将覆盖物(SM&PM)与出生前除草剂相结合,而不是仅覆盖。这些发现将稻草覆盖物作为芋头最有效的杂草管理策略,消除了对除草剂的需求。覆盖物不可用的地方,与手除草相结合可以是有效控制杂草的可行替代方法。
在2024年10月4日在新德里,新德里,杂草研究(ICAR-DWR)(ICAR-DWR)和印度种子工业联合会(FSII)共同组织了关于“印度杂草管理:新兴挑战和管理策略”的集思广益会议。参与者包括农业部和农民福利部以及印度农业研究委员会(ICAR),科学家,研究人员,行业代表,专家,农民等的代表。N. T. Yaduraju博士,M。R。Hegde博士和A. R. Sadananda博士对印度农业及其缓解策略的影响及其缓解策略。该报告是基于对当前文献的深入综述以及与Krishi Vigyan Kendras(KVKS),州农业大学和ICAR,领先的农民和投入经销商的领域专家的互动的综合。也得到了全国各地农民的广泛实地调查的支持。合作研究涉及11个州,30个地区和7种农作物,其中3200名农民的意见
杂草可以告诉您很多有关草坪状况的信息,并表明您需要做些什么才能种植出天然抗杂草和害虫的健康草。学会“读懂杂草”,了解它们对您的草坪护理方法和土壤条件的影响,这样您就可以创建健康的草坪,从长远来看,这将减少工作量。杂草在土壤压实、施肥不足、pH 值不平衡以及浇水、播种或修剪不当的草坪中茁壮成长。读懂杂草其实非常简单。使用下表识别草坪中的杂草,并根据以下信息纠正促进杂草生长的条件。例如,一年生蓝草通常表明土壤压实和浇水过多。曝气和适当的灌溉将纠正促进蓝紫色生长的条件。请记住,许多被视为杂草的植物具有有益的特性。尝试培养对某些杂草的耐受性。例如,三叶草被认为是一种典型的草坪杂草,它从大气中吸收游离氮并将其分布到草中,从而帮助草生长。三叶草根系广泛且极耐旱,为土壤生物提供重要资源,而且在草坪自然休眠后,三叶草仍能长时间保持绿色。马唐草可控制侵蚀;蒲公英的深根可将养分返回地表;而芭蕉是可食用的!
杂草侵扰对可持续农业构成了关键的挑战,导致农作物产量损失巨大,并使用化学除草剂的使用,这有助于环境降解和健康风险。杂草管理中最紧迫的问题之一是传统杂草控制方法的有效性下降,这些方法努力与日益增长的全球粮食需求以及预期人口到2050年所面临的挑战。重点是精确杂草管理(PWM),强调尖端技术,例如Com Puter Vision,无人驾驶飞机(UAV),GPS控制的补丁喷涂,激光处理和自动除草机器人。采用图像处理和深度学习的计算机视觉是自动杂草检测的关键参与者,挑战了传统的除草剂方法。配备高级传感器的无人机有助于及时进行干预措施。激光和热处理展示了针对性,有效的杂草控制,而自主除草机器人则体现了一种无提动手,精确的方法。这些技术的整合不仅承诺增强生产率,而且还表示全球农业中可持续和环保的转变。本文强调了传统的杂草控制方法的局限性,并强调了新兴技术革新杂草管理的潜力,提供精确,具有成本效益和环境精神友好的解决方案。