Pesquisadores da Universidade do Missouri demonstraram que os drones combinados com a inteligência artificial podem avaliar a saúde das culturas de milho com mais eficiência do que os métodos tradicionais de escotismo de campo, oferecendo possíveis ganhos no uso de fertilizantes e gestão ambiental.
O estudo, conduzido em meados - campos de milho do Missouri, usou drones equipados com câmeras multiespectrais para capturar comprimentos de onda, como a luz de borda próxima a -} e vermelha -}, que estão ligados à planta saúde, mas invisíveis ao olho humano. Ao emparelhar essas imagens com os dados do solo e processando -os através dos modelos de aprendizado da máquina -, a equipe estimou os níveis de clorofila foliar - um indicador -chave do status de nitrogênio - em campos inteiros com alta precisão.
"Conhecer o conteúdo de clorofila de cada planta ajuda os agricultores a determinar o tempo, localização e quantidade de nitrogênio", disse Jianfeng Zhou, professor associado da Faculdade de Agricultura, Food e Recursos Naturais e Diretor de Pesquisa e Extensão da Agricultura Digital da Mizzou. "Isso pode aumentar o rendimento enquanto reduz o excesso de uso químico que afeta o meio ambiente".
O milho está entre os mais nitrogênio - exigindo culturas, tornando a gestão precisa de nutrientes uma questão significativa de custo e sustentabilidade. Sobre - O aplicativo aumenta as despesas e pode levar à poluição da água, enquanto o aplicativo - pode reduzir os rendimentos.
A equipe de pesquisa, liderada pelo estudante de doutorado Fengkai Tian, observou que esse monitoramento poderia ser entregue comercialmente pela AG - provedores de serviços de tecnologia, permitindo que os agricultores se beneficiem sem investir em operações de drones ou recursos de processamento de dados. Embora o estudo tenha se concentrado no milho, o método poderia ser adaptado para outras culturas, incluindo soja e trigo, com ajustes para explicar diferentes perfis de nutrientes.
As descobertas, publicadas emTecnologia agrícola inteligente, foram produzidos em colaboração com o Serviço de Pesquisa Agrícola do Departamento de Agricultura dos EUA. O trabalho reflete um impulso mais amplo na agricultura de precisão para integrar sensoriamento remoto, IA e gerenciamento de insumos direcionados para melhorar a eficiência e reduzir os impactos ambientais.
