NiVO / BY TECHNOGISDuitsland · Indonesië
Landbouw

Onkruidverkenning met drones: scheid verdachte plekken van geverifieerde soorten

Gebruik luchtpatronen voor onkruidverkenning en documenteer soortverificatie, kaartonzekerheid en de afzonderlijke beoordeling voor behandeling.

Onkruidverkenning met drones: scheid verdachte plekken van geverifieerde soorten

Geef een scoutingproduct op

Een nuttig eerste resultaat kan een kaart zijn van vermoedelijke niet-gewasvegetatie die moet worden onderzocht. Dat is iets anders dan een geverifieerde soortidentificatie of een kant-en-klaar behandelrecept. Maak overeenstemming over het onderscheid voordat u een sensor of classificator selecteert. De identificatierichtlijnen van Penn State plaatsen de herkenning van ongedierte binnen een breder beheerproces. Definieer het gewas, de groeifase, de omvang van het veld en de persoon die verantwoordelijk is voor de verificatie, zodat de kaart een echte verkenningstaak ondersteunt in plaats van een niet-ondersteunde botanische claim.

Test wat de beelden onderscheiden

Onkruid kan op het gewas lijken of verborgen zijn onder het bladerdak. Bekijk representatieve originele afbeeldingen met gewas, kale grond, residu en vermoedelijke plekken. RGB-vorm en -textuur of multispectrale verschillen kunnen helpen bij het selecteren van doelen, maar geen van beide maakt automatisch onderscheid tussen elke soort. Noteer de schaal waarop de verdachte patch zichtbaar blijft. Als het doel niet kan worden gescheiden in de daadwerkelijke gegevens, kan het wijzigen van de legenda of het toepassen van een krachtigere classificator ontbrekende waarnemingen niet alsnog creëren.

Onderzoeks-UAV van CSIRO tijdens de vlucht
Onderzoeks-UAV van CSIRO tijdens de vlucht.Bron: , CSIRO · CC BY 3.0

Blijf onafhankelijk trainen en controleren

Als er een geautomatiseerde methode wordt gebruikt, moeten de voorbeelden die worden gebruikt om deze te ontwikkelen, worden gescheiden van de locaties die worden gebruikt om de prestaties te evalueren. Neem gewone teeltgebieden en moeilijke gemengde gebieden mee in de controles. Registreer valse alarmen en gemiste patches, niet alleen succesvolle detecties. Er mag niet worden aangenomen dat een model dat op één veld of seizoen is getraind, generaliseert zonder beoordeling. Bewaar de etiketteringsregels en bronvoorbeelden zodat een andere analist kan begrijpen wat het model feitelijk heeft leren herkennen.

Verifieer de soort en de veldcontext

Stuur een competente veldwaarnemer naar de in kaart gebrachte kandidaten en relevante vergelijkingsgebieden. Koppel identificatienotities en foto's aan stabiele patchidentiteiten, waarbij de datum en eventuele onzekerheid worden vastgelegd. De waarnemer kan opslagplanten uit eerdere teelten, een ander soort dekking of vegetatie onder het zicht van de camera aantreffen. Behoud meningsverschillen in plaats van het veldrecord stilletjes aan te passen zodat het op de kaart past. Verificatie moet de praktische betekenis van het vermoedelijke patroon verklaren en identificeren waar aanvullende expertise nodig is.

Aparte observatie van toepassingsplanning

Voor een geverifieerde patch is nog steeds een passende managementbeoordeling vereist. Productgeschiktheid, gewasstadium, uitrustingsmogelijkheden en toepasselijke instructies behoren tot die afzonderlijke beslissing. Zet een klasse van luchtvegetatie niet direct om in dosering of een chemisch mengsel. Begeleiding bij drone-applicaties is locatie- en productspecifiek en mag niet worden overgedragen als universele toestemming. De scoutingkaart kan identificeren waar een vraag bestaat, terwijl gekwalificeerd personeel bepaalt of en hoe een actie moet plaatsvinden.

Lever een op status gebaseerd patchregister

Bied verdachte, geverifieerde, afgewezen en onopgeloste patchstatussen aan met bronlinks en veldobservaties. Leg de beeldlimieten en gebieden vast die niet goed zichtbaar zijn. Vraag een verkenner om een voorbeeldplek terug te vinden met alleen het overdrachtspakket. Bespreek RGB- of multispectrale details met NiVO aan de hand van deze voorbeelden en houd het toepassingsadvies van Agrios gebonden aan afzonderlijk bevestigde eisen. Succes is een traceerbaar verkenningsproces dat het management informeert, en niet de bewering dat een gekleurde luchtkaart elk onkruid al heeft geïdentificeerd en de bestrijding ervan heeft voorgeschreven.

Technische bronnen

  1. Penn State pest and weed identification guidance ↗
  2. Penn State drone herbicide application considerations ↗
← Alle artikelen

Gerelateerde artikelen

Alle artikelen ↗
LET’S TAKE FLIGHT

Uw volgende missie
begint met een gesprek.

Praat met ons team