在以及大部分亞熱帶和熱帶世界，由于缺乏有效的土壤肥力測試，一組科學(xué)家開始探索如何將智能手機(jī)相機(jī)轉(zhuǎn)變?yōu)楣δ軓?qiáng)大且隨時可用的替代品。該研究團(tuán)隊(duì)最近發(fā)表在Elsevier期刊Biosystems Engineering 上，描述了基于圖像的土壤有機(jī)質(zhì) (SOM) 評估領(lǐng)域的重要進(jìn)展，以及它如何簡化評估土壤肥力的過程。
這項(xiàng)在西孟加拉邦進(jìn)行的研究使用了該邦三個農(nóng)業(yè)氣候區(qū)的土壤樣本。通過分析土壤顏色的差異，該技術(shù)使用先進(jìn)的模型來量化 SOM 狀態(tài)，這可以作為確定土壤養(yǎng)分水平以及與土壤質(zhì)量和土壤健康相關(guān)的其他特征的基礎(chǔ)。
與傳統(tǒng)方法相比，圖像分析具有優(yōu)勢，傳統(tǒng)方法的有效性和范圍有限。實(shí)驗(yàn)室分析需要昂貴的設(shè)備以及與土壤樣品收集和處理相關(guān)的大量勞動力和時間?；诤唵蔚闹悄苁謾C(jī)圖像快速可靠地評估 SOM 將大大簡化西孟加拉邦等地區(qū)的土壤肥力評估。
“解鎖一種更簡單的方法來獲取 SOM 數(shù)據(jù)創(chuàng)造了新的機(jī)會，可以在以前因缺乏養(yǎng)分管理決策支持服務(wù)而受到限制的作物生產(chǎn)地區(qū)推進(jìn)更精確、數(shù)據(jù)驅(qū)動的農(nóng)業(yè)，”該研究的合著者兼總干事解釋說。非洲植物營養(yǎng)研究所，Kaushik Majumdar 博士。
該研究領(lǐng)域面臨的主要挑戰(zhàn)集中在難以設(shè)計(jì)一個強(qiáng)大的分析系統(tǒng)，該系統(tǒng)能夠在可能需要解釋的許多可能的土壤表面顏色梯度中同樣發(fā)揮作用。
為此，作者設(shè)計(jì)了一種新方法，通過分離圖像中檢測到的土壤和非土壤部分來改進(jìn)圖像解釋。該技術(shù)能夠快速預(yù)測 SOM 值，并且與傳統(tǒng)土壤分析確定的值具有高度相關(guān)性。通過機(jī)器學(xué)習(xí) (ML)，該團(tuán)隊(duì)正在教導(dǎo)他們的模型通過有意挑戰(zhàn)其識別和排除任何引起錯誤的信號來不斷提高其準(zhǔn)確性。
該研究推進(jìn)了土壤圖像解釋的科學(xué)，但研究人員認(rèn)識到需要進(jìn)一步研究將該技術(shù)推向該領(lǐng)域。接下來的步驟將開始將模型暴露在更廣泛的樣本圖像中，以教 ML 模型如何更好地識別土壤類型、質(zhì)地、濕度和景觀中位置的影響。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！