Az első év eredményei alapján sikeresnek mondható a MATE és a Terra-Coop Termelő és Szolgáltató Kft. konzorciumi formában megvalósuló,,,Szántóföldi növénytermesztés permetezési hatékonyságának növelése, a növényi növekedési periódusok konvolúciós neurális hálózat alkalmazásával történő felismerésével” – című projektje. A Nemzeti Kutatási, Fejlesztési és Innovációs Hivatalhoz benyújtott 2022-1.2.2-TÉT-IPARI-UZ-2022-00010 azonosítószámú támogatási kérelmet a Kulturális és Innovációs Minisztérium a 2022. decemberében hozott döntése értelmében 63 204 248 forinttal támogatta.
A projekt célja egy neurálishálózat-alapú képfelismerési algoritmus fejlesztése, amely a növények növekedési fázisainak pontos azonosítását teszi lehetővé. Ezzel növelhető a permetezési hatékonyság, mivel a növényvédő szerek a legoptimálisabb időpontban kerülhetnek kijuttatásra. A szoftvert a gyapot növekedési fázisain tesztelik, ami alapján képes lesz költséghatékony permetezési megoldásokat kínálni. A végleges modul szigetszerűen vagy vállalatirányítási rendszerekbe integrálva alkalmazható a permetezési folyamatok monitorozására és optimalizálására. Tavaly a projekt keretében jelentős előrelépések történtek, amelyek alapvetően a gyapotnövény növekedési fázisainak precíz azonosítását, valamint a permetezési hatékonyság javítását célozták. A legfontosabb eredmények közé tartozik, hogy sikerült meghatározni a gyapotnövény négy (palánta-, bimbós, gyapottok- és toknyílá- si szakasz), a permetezés szempontjából kritikus növekedési fázisát. Ezek a fázisok kulcsfontosságúak a precíziós gazdálkodásban, hiszen a megfelelő permetezési időpontok pontos beazonosításával a növényvédő szerek alkalmazása optimalizálható, ami nemcsak a növények védelmét javítja, hanem a költségeket is csökkenti. Az optimális időzítés eléréséhez a fázisok pontos feltérképezése elengedhetetlen, és ez a folyamat a projekt során sikeresen lezajlott. Továbbá kidolgozták a projekt technológiai gerincét jelentő konvolúciós neurális hálózat struktúráját. Ez a neurális hálózat képes lesz dinamikusan felismerni a gyapotnövény különböző növekedési fázisait a beérkező képadatok alapján, így támogatva a permetezési műveletek pontos időzítését. A hálózat struktúrájának megtervezése során kiemelt figyelmet fordítottak a nagy mennyiségű adat hatékony feldolgozására és az azonosítás pontosságára, mivel ezek a tényezők közvetlenül befolyásolják a precíziós mezőgazdasági rendszerek hatékonyságát. Az adatgyűjtés is folyamatban van, ennek során meghatározták a neurális hálózat tanításához szükséges képparamétereket. A kiépített adatbázis kifejezetten a képek tárolására szolgál. Ez a struktúra biztosítja a nagy mennyiségű képanyag kezelését és rendszerezését. Az adatgyűjtés a gyapotnövény négy növekedési fázisára terjedt ki, és három szakasz esetében már befejeződött a képek összegyűjtése. A negyedik szakasz adatgyűjtése még folyamatban van, de várhatóan hamarosan lezárul. Ezek az adatok alapvető fontosságúak a neurális hálózat tanításához, hiszen lehetővé teszik a hálózat számára, hogy megtanulja az egyes növekedési fázisok pontos azonosítását a valós környezetben. Ezzel párhuzamosan a permetezési költségkategóriák részletes elkülönítése is megtörtént, ami előkészítette a költséghatékony permetezési módszerek kidolgozását. A különböző költségtényezők részletes elemzésének eredményeként megkezdődött egy költségkalkulációs modell fejlesztése. Ez a modell a projekt során fejlesztett szoftver egyik kulcsfontosságú moduljává válik, mivel képes lesz valós időben figyelni és előre jelezni a permetezési folyamat költségeit, valamint optimalizálni azokat a termelői igényekhez igazítva. Emellett a szoftverfejlesztés alapjai is lefektetésre kerültek, különös tekintettel a neurális hálózat rendszerintegrációjára való fókusszal. A tevékenységeket jelentős mértékben elősegítette a vállalati partnerrel való szoros szakmai együttműködés, amely az év során rendszeres konzultációk formájában valósult meg. A szakmai tanácsadás során nemcsak a gyapottermesztés specifikus szakmai kérdéseiben, hanem a precíziós gazdálkodás alapjainak gyakorlati szempontú alkalmazásában is jelentős támogatást nyújtottak. A vállalati partner szakértelme révén támogatást nyújtottak a költségkalkulációs modell gyakorlati fejlesztéséhez, valamint az adatgyűjtés, a növénytermesztési szempontok és a rendszerfejlesztés különböző tevékenységeihez is. A következő évben a projekt során több fontos feladat megvalósítása várható, amelyek a gyapottermesztéssel kapcsolatos kutatások folytatására és a permetezési hatékonyság javítására irányulnak. Folytatódnak az üzbég fél által biztosított kísérleti állomány elemzései, amelyek célja, hogy még pontosabban definiálják a növekedési szakaszokra jellemző jeleket. A következő mérföldkő eléréséig a neurális hálózatnak meg kell felelnie a minimum 95 százalékos megbízhatósági szintnek, amely a piac elvárásainak is megfelel.
Forrás: Magyar Mezőgazdaság