Standard-Digitalkamera und KI zur Überwachung der Bodenfeuchtigkeit

Die Vereinten Nationen prognostizieren, dass viele Gebiete des Planeten bis 2050 möglicherweise nicht mehr genug Süßwasser haben, um den Bedarf der Landwirtschaft zu decken, wenn wir unsere derzeitigen Nutzungsmuster beibehalten. Eine Lösung für dieses globale Dilemma ist die Entwicklung einer effizienteren Bewässerung, deren Kernstück die präzise Überwachung der Bodenfeuchtigkeit ist, die es Sensoren ermöglicht, „intelligente“ Bewässerungssysteme zu steuern, um sicherzustellen, dass das Wasser zum optimalen Zeitpunkt und in der optimalen Menge aufgebracht wird.

Aktuelle Methoden zur Erfassung der Bodenfeuchtigkeit sind problematisch – vergrabene Sensoren sind anfällig für Salze im Untergrund und erfordern spezielle Hardware für die Verbindungen, während Wärmebildkameras teuer sind und durch klimatische Bedingungen wie Sonnenlichtintensität, Nebel und Wolken beeinträchtigt werden können. P>

Forscher der University of South Australia und der Middle Technical University in Bagdad haben eine kostengünstige Alternative entwickelt, die eine präzise Bodenüberwachung unter fast allen Umständen einfach und erschwinglich machen kann. Sie haben erfolgreich ein System getestet, das eine Standard-RGB-Digitalkamera verwendet, um die Bodenfeuchtigkeit unter einer Vielzahl von Bedingungen genau zu überwachen.

Das System basiert auf einer Standard-Videokamera, die die Unterschiede in der Bodenfarbe analysiert, um den Feuchtigkeitsgehalt zu bestimmen. Es wurde bei verschiedenen Entfernungen, Zeiten und Beleuchtungsstärken getestet und für sehr genau befunden. Die Kamera war mit einem künstlichen neuronalen Netzwerk (KNN) verbunden, einer Art maschineller Lernsoftware, die die Forscher darauf trainierten, unterschiedliche Bodenfeuchtigkeitswerte unter verschiedenen Himmelsbedingungen zu erkennen.

Unter Verwendung dieses KNN könnte das Überwachungssystem potenziell darauf trainiert werden, die spezifischen Bodenbedingungen an jedem Ort zu erkennen, wodurch es für jeden Benutzer angepasst und für sich ändernde klimatische Umstände aktualisiert werden kann, was zu maximaler Genauigkeit führt.

„Sobald das Netzwerk trainiert wurde, sollte es möglich sein, eine kontrollierte Bewässerung zu erreichen, indem das Erscheinungsbild des Bodens im gewünschten Zustand gehalten wird“, sagte Professor Javaan Chahl.

„Jetzt, da wir wissen, dass die Überwachungsmethode genau ist, planen wir, ein kostengünstiges intelligentes Bewässerungssystem auf der Grundlage unseres Algorithmus zu entwickeln, das einen Mikrocontroller, eine USB-Kamera und eine Wasserpumpe verwendet, die mit verschiedenen Bodenarten arbeiten können. Das System ist vielversprechend als Werkzeug für verbesserte Bewässerungstechnologien in der Landwirtschaft in Bezug auf Kosten, Verfügbarkeit und Genauigkeit unter sich ändernden klimatischen Bedingungen.“