কন্দ সংখ্যার মডেল তৈরি করতে কৃষিক্ষেত্রদের স্টেম জনসংখ্যা জানতে হবে.
কৃষকরা শীঘ্রই যে কোনও সময় ক্ষেত্রের স্কেলে আলু গাছের জনসংখ্যার পার্থক্যটি মূল্যায়ন করতে সক্ষম হবেন। এটি হার্পার অ্যাডামস বিশ্ববিদ্যালয়ের কাজটি করার জন্য ধন্যবাদ, এইএইচডিবি অর্থায়নে পিএইচডি শিক্ষার্থী জোসেফ মাঙ্গোকে দিয়েছে। তার নতুন সিদ্ধান্ত গ্রহণের সরঞ্জামটি স্টেম সংখ্যার গণনা করতে এবং কোথায় ঘটে সেগুলির মানচিত্রের জন্য ড্রোন-নেওয়া ছবিগুলির পাশাপাশি ডিপ লার্নিং নামে পরিচিত কৃত্রিম বুদ্ধিমত্তাকে ব্যবহার করে uses
এই কৌশলটি অবজেক্টগুলি সনাক্ত করতে সক্ষম, এবং স্ব-ড্রাইভিং গাড়িগুলিতে মেশিন দর্শনের জন্য ব্যবহৃত হয়। মিঃ মঙ্গো বলেছিলেন: “কন্দ সংখ্যার মডেল তৈরি করতে কৃষিক্ষেত্রবিদদের স্টেম জনসংখ্যা জানতে হবে।
"গত দু'বছর ধরে, আমরা একটি আলু ক্ষেতের পুরো ক্যানোপিতে স্টেম ঘনত্বের পার্থক্যগুলি সাধারণত রোপণের 70০ দিন পরেই সঠিকভাবে নির্ধারণ করার সমস্যাটি সমাধান করার জন্য কৃত্রিম বুদ্ধিমত্তার ভিত্তিতে কিছু কৌশল বিকাশ করছি।" ড্রোন দ্বারা নিয়মিত লাল, নীল এবং সবুজ তরঙ্গদৈর্ঘ্য ব্যবহার করে উদ্ভিদের সূচকগুলি বিশ্লেষণ করে জোসেফ আবিষ্কার করেছিলেন যে আলুর গাছের meristematic টিপস গণনা করা যেতে পারে এবং স্টেম টিপস উপস্থাপনের জন্য ব্যবহার করা যেতে পারে।
ডিপ লার্নিং এর পরে স্টেম সংখ্যা নির্ধারণের জন্য একটি শক্তিশালী মডেল বিকাশ করা হয়েছিল যা কোনও ক্ষেত্র জুড়ে স্টেম জনসংখ্যার ঘনত্বের উত্তাপের মানচিত্র তৈরি করতে ব্যবহার করা যেতে পারে। সরঞ্জামটি মূলত ফসল তোলার সিদ্ধান্ত গ্রহণের সুবিধার্থে করা হয়, যাতে বেশি সংখ্যক কন্দযুক্ত অঞ্চলগুলিকে বেশি পরিমাণে ছেড়ে দেওয়া যায়, যখন কম, বৃহত্তর কন্দযুক্ত অঞ্চলগুলি প্রথমে কাটা হয়।
“পূর্বে প্রশিক্ষিত মডেলগুলি দেখায় যে যেখানে মাটির ক্ষেত্রফলে আরও স্টেম সংখ্যা রয়েছে, সেখানে কন্দের বেশি সংখ্যার গড় কভার আকার ব্যয় করা উচিত। "তিনি উল্লেখ করেছিলেন যে চাষিরা আলুর কান্ডের জনসংখ্যা এবং কন্দের ফলনের পাশাপাশি আকারের বিতরণের মধ্যে সম্পর্কের সাথে ভালভাবে পরিচিত এবং ফসল কাটার সময়গুলি সম্পর্কে সিদ্ধান্ত সাধারণত ক্ষেত্র জুড়ে বেশিরভাগ ফলন খনকের ভিত্তিতে হয়।
“এই মডেল এবং অন্যদের মধ্যে পার্থক্য হ'ল এটি নির্ভুল কৃষিক্ষেত্রে ম্যানেজমেন্ট জোনের রূপরেখার তথ্য সরবরাহের জন্য ক্ষেত্রের মধ্যে বিভিন্নতা পরিমাপ করার ক্ষমতা সরবরাহ করে। "জোসেফের নতুন মডেলটি শ্রপশায়ার এবং লিংকনশায়ার জুড়ে বেশ কয়েকটি আলুর ক্ষেতে পরীক্ষা করা হয়েছে এবং খুব আশাব্যঞ্জক দেখাচ্ছে, তিনি বলেছিলেন। "নতুন সরঞ্জামটি নির্ভুল কৃষিক্ষেত্র অর্জন করা আরও সহজ করে তুলবে, যেহেতু তথ্যগুলি তখন বিশোধনের সময় এবং ফসল সংগ্রহের সিদ্ধান্তগুলি জানাতে পারে, তবে কীটনাশক এবং ভেষজনাশক প্রয়োগ সম্পর্কেও জানাতে পারে।"
ফলন সারে অনুবাদ করা
এছাড়াও তার অধ্যয়নের অংশ হিসাবে তিনি পাঁচটি ক্ষেত্র জুড়ে আলু ফসলের কর্মক্ষমতা ম্যাপিং করে চলেছেন, নাইট্রোজেন (এন), ফসফরাস (পি) এবং সালফার (এস) এর সার প্রয়োগ এবং তারা কীভাবে ফলন করতে অনুবাদ করে তার মধ্যে পার্থক্য এবং কোন মুহুর্তে তারা অবদান বন্ধ করে দেয়। “মাটির পুষ্টিগুলির প্রতিক্রিয়া মাটিতে ইতিমধ্যে উপলব্ধ স্তরের কারণে ক্ষেত্র জুড়ে পরিবর্তিত হতে পারে। "সার প্রয়োগের পরে মাটির নমুনাগুলি নেওয়া হয়েছিল এবং বেশিরভাগ ক্ষেত্রে আমরা অতিমাত্রায় নিষেকের প্রমাণ পেয়েছি যা ক্ষুদ্র কন্দের আকারের সাথে একটি জমির মধ্যে উচ্চ স্তরের পি'র সম্পর্কযুক্ত” "
“আমাদের বোধগম্যতা হ'ল আলুর মধ্যে একটি কন্দ বাল্কিংয়ের ক্রমবিন্যাস বিদ্যমান এবং কেবলমাত্র প্রভাবশালী কন্দ একটি উপসেটই সর্বোত্তম স্তরের পুষ্টির সুবিধা গ্রহণ করে। “তবে, চাষীদের জমিতে পরিপূর্ণ উচ্চ পুষ্টির স্তরে পর্যবেক্ষণ করা হচ্ছে, আমরা প্রমাণ সংগ্রহ করছি যে এটি সর্বদা সত্য হতে পারে না। “অনুসন্ধানে দেখা গেছে যে গবেষণার সমস্ত ক্ষেত্র পুষ্টি উপাদানের বাইরে সর্বোত্তম মাত্রায় কাজ করছে, এবং এই ক্ষেত্রগুলির মধ্যে, পি স্তর এবং কন্দের আকার বিতরণের মধ্যে একটি গুরুত্বপূর্ণ নেতিবাচক সম্পর্ক ছিল।
"নিয়ন্ত্রিত চিকিত্সার সাথে এলোমেলোভাবে পরীক্ষাগুলি ব্যবহার করার পরিবর্তে, আমরা মাঠ এবং কন্দের আকারের বিতরণের মধ্যে প্রকৃত ক্ষেত্রের অবস্থার মধ্যে সম্পর্ক বুঝতে চেয়েছিলাম।" ফলস্বরূপ, তিনি মডেলগুলি নির্মাণের জন্য একটি ভূ-পরিসংখ্যান জরিপ পদ্ধতির গ্রহণ করেছিলেন, এটি, তিনি বিশ্বাস করেন, আমাদের সহগের সাথে এমন মডেল তৈরি করার সুযোগ দিয়েছেন যা সাধারণ কৃষকদের ক্ষেত্রের মধ্যে পরিপূর্ণ সম্পর্কের প্রতিফলন ঘটাতে পারে "। "অনেক ক্ষেত্রে, কৃষকরা তাদের ফসলে পর্যাপ্ত পুষ্টিগুণ রয়েছে কিনা তা চেষ্টা করে দেখার জন্য অত্যধিক সার দিচ্ছেন, তবে ফলন ও মানের উপর এটি ক্ষতিকারক প্রভাব ফেলতে পারে।"
এই মডেলগুলির ত্রি-মাত্রিক প্রকৃতি স্টেম-কাউন্টিং মডেলের সাথে একীকরণের পাশাপাশি ভবিষ্যদ্বাণীগুলি উন্নত করতে স্যাটেলাইট চিত্রের অন্তর্ভুক্তিকে সক্ষম করে। জোসেফের পিএইচডি-র একটি তৃতীয় উপাদানটি তার অধ্যয়নের সাইটগুলি থেকে মাটি এবং ছাউনির অবাধে উপলভ্য উচ্চ-রেজোলিউশন বহু-স্পেক্টরাল উপগ্রহের চিত্রের সংহতকরণের সাথে জড়িত। "আমরা উপগ্রহের চিত্র যে পরিমাণে আলুর ফলনের ভাল ভবিষ্যদ্বাণীপূর্ণ নির্ভুলতা এবং ফসলের আগাম কন্দ আকার বিতরণ করতে সহায়তা করতে পারি তা পরিমাপ করব” "
অ্যাগ্রোনমি সপ্তাহ থেকে উপস্থাপনাটি দেখুন:
বিভাগসমূহ: আলু
তুমি অবশ্যই লগ ইন একটি মন্তব্য পোস্ট করুন.