Mélytanulással és gépi képfeldolgozással javítják a növényvédelmet a magyar kutatók

A precíziós mezőgazdaság jövőjében a képfeldolgozás és a hozzá kapcsolódó technológiák tovább fejlődnek, még pontosabb és részletesebb adatokat biztosítva a termelők számára. Az innovációk révén a mezőgazdaság még inkább digitalizált tudományággá válik, amely képes alkalmazkodni az egyre változó környezeti és gazdasági kihívásokhoz.

Moldvai László, a Széchenyi István Egyetem, Albert Kázmér Mosonmagyaróvári Kar,Wittmann Antal Növény-, Állat- és Élelmiszer- tudományi Multidiszciplináris Doktori Iskola, valamint a Biológiai Rendszerek és Precíziós Technológiai Tanszék képviseletében írt fontos cikket a kutatásairól, amit a Mezőhír oldalán olvastunk. 

A Deep learning, vagyis a mélytanulás és a képfeldolgozás témáit vizsgáló kutatások kezdetét és értelmét is megfogalmazta. A mesterséges intelligenciával történő adatfeldolgozás a 2010-es években indult, de a mezőgazdaságban csak a 2020-as években kezdett megjelenni. A mélytanulás és képfeldolgozás technológiák forradalmasítják a mezőgazdasági termelést. Ezek a technológiák lehetővé teszik a növények felismerését, a gyomok detektálását, valamint a betegségek és kártevők azonosítását, így segítve a gazdákat a gyors és pontos döntéshozatalban. 

Az 1. képen egy kísérleti paradicsomültetvény látképe és annak egy képfeldolgozási technológiával készített eredménye, a Meta SAM (https://segment-anything.com/demo) szegmentálási algoritmus „terméke” látható. A képfeldolgozás segítségével pontosan meghatározható a kultúrnövény egészségi állapota és a talaj tulajdonságai. Feltérképezhetőek a talajhibák, a gyomosodás, a belvíz (2. kép) és a taposási kár is - írta.

A képfeldolgozás egy olyan technológia, amely képes drasztikusan javítani a gazdálkodási gyakorlatokat. 

Miért válik egyre fontosabbá a képfeldolgozás?

Az éghajlatváltozás, a növekvő népesség és az élelmiszerbiztonság kérdései egyre nagyobb kihívást jelentenek a mezőgazdasági szektor számára. A gazdáknak hatékonyabb módszerekre van szükségük a termés optimalizálásához és a természeti erőforrások fenntartható használatához. A képfeldolgozás pontos és valós idejű adatokat biztosít, amelyek segítenek a döntéshozatalban. Például egy drón felvételei alapján azonnal észlelhetőek a növények egészségi állapotának változásai, így időben beavatkozva megelőzhetőek a nagyobb károk. Részletes gyomtérképpel a megfelelő gyomirtási technológiát a lehető legkisebb területen alkalmazva a legkisebb, hatékony dózisokkal pedig a fenntarthatóság és a költségcsökkentés felé is lépni lehet.

A gyomfelismerés folyamatának bemutatása

A képfeldolgozás egyik kiemelkedő alkalmazása a gyomfelismerés. A gyomok komoly problémát jelentenek a mezőgazdaságban, mivel versenyeznek a termesztett növényekkel a tápanyagokért, a vízért és a fényért. A hagyományos gyomirtási módszerek gyakran idő- és munkaigényesek, valamint környezeti károkat is okozhatnak - közölte.

A modern képfeldolgozó technológiák segítségével azonban lehetőség nyílik a gyomok automatikus felismerésére és célzott kezelésére. A drónok és földi szenzorok által készített képek elemzésével a rendszer pontosan meg tudja határozni, hol találhatók gyomok a földeken. Ezeket a képeket különböző algoritmusokkal, például mesterséges intelligenciával és gépi tanulással dolgozzák fel, amelyek képesek különbséget tenni a termesztett növények és a gyomok között. Ennek eredményeként a gazdák célzottan alkalmazhatnak gyomirtó szereket, csökkentve a vegyszerek felhasználását és a környezeti terhelést - írta.

A nemrég megjelent tanulmányukban (Moldvai és mtsai., 2024) 6 növényfaj megkülönböztetésével foglalkoztak. Mindegyik növényfajból 500-500 képük volt, és céljuk volt, hogy a lehető legkevesebbet felhasználva legyenek képesek a többit beazonosítani és felismerni. A képek valós környezetben készültek és ennek következtében 1-1 képen nem csak 1 növény volt látható. Ezért első részben 1-1 növény kiemelése volt a fontos a további elemzéshez. A folyamat a 3. képen látható. 

A képen bizonyos, úgynevezett zajszűrések, színtranszformációk után a „zöld” részeket emelték ki (b), majd meghatározták az egymáshoz tartozó növényi részeket (c), végül kiválasztották a legnagyobb növényt a képről (d). Erről a képről kiemeltek egyrészt színinformációkat, másodsorban alaki tényezőket, harmadsorban textúrajellemzőket és távolságtranszformáció alapján még néhány jellemzőt. A távolságtranszformáció és a kiemelt levéli részek a következő ábrán láthatóak. 

A képfeldolgozás során több száz paramétert nyertek ki minden egyes képből, majd mesterséges intelligencia, neurális hálók és osztályozók betanításával létrehoztunk modelleket, amelyek utána alkalmasak egy új képről megmondani, hogy a 6 növényük közül melyik van a képen. Végeredményben 94,56%-os pontosságot értek el.

A technológiai előnyök és a jövőbeli kilátások

A fentiek alapján elvégezhető akár heti 1-2 alkalommal drónmonitoring is, és pár órán belül pontosan tudni lehet, hol, mennyi és milyen fajta gyom található az adott szántóföldi területen. Esetleg a szoftver jelzi, hogy szerinte érdemes lenne 2 kisebb foltot már most lepermetezni, illetve az egyik táblán pár napon belül sorközművelés lenne célszerű. Az automatikus gyomfelismerés és a képfeldolgozás további előnyei közé tartozik a termés egészségi állapotának folyamatos monitorozása, a talaj tápanyagtartalmának elemzése és az öntözési igények optimalizálása. Ezek az előnyök nem csak a termelékenységet növelik, hanem hosszú távon csökkentik a költségeket, és fenntarthatóbbá teszik a gazdálkodást.

Léteznek olyan öntözőrendszerek, amelyek kamerákkal és mesterséges intelligenciával vannak felszerelve. Ahányszor végigmegy a rendszer a terület felett, és öntöz, addig a kamera dolgozik és a háttérben már gyűlik az adat, hogy hol van elszíneződés az állományban, hol jelent meg kártevő vagy kártevő kártételére utaló jel, vagy akár hol jöttek be vadállatok, és tapostak ki a növényi részeket. Ez alapján sokkal hamarabb valósítható meg technológiai beavatkozás és korrekció. Egy másik nagy előnye a képfeldolgozó rendszereknek, hogy a több 100 000 kép kiértékelése után a növényorvosnak már csak azt az 5–10 képet küldi el a rendszer, amelyik további szakértői döntést igényel, amivel rengeteg időt és energiát megspórol.

A következő években kezdenek majd elterjedni a képfeldolgozás- és mesterséges intelligencia alapú mezőgazdasági robotok. Ezek már képesek a gyomirtást szelektíven képesek végezni, a növény védelemét, a betakarítást és osztályozást akár a termékek csomagolását is egy lépésben megoldják. A Széchenyi István Egyetem Precíziós Bio-műszaki Kutatócsoportja által fejlesztett robotról itt írtunk korábban.

Összefoglalva a képfeldolgozás jelentős előrelépést jelent a mezőgazdaságban, lehetőséget adva a gazdáknak, hogy hatékonyabb és fenntarthatóbb módon gazdálkodjanak. A technológia alkalmazása segít a gyomok elleni küzdelemben, a termés védelmében és a termelékenység növelésében. Ahogy a technológia tovább fejlődik, a mezőgazdaság is egyre inkább profitálhat belőle, biztosítva a jövő élelmiszer-ellátását és a fenntartható gazdálkodást - fogalmaz a szerző, Moldvai László.