光斑喷涂和AI侦察

贴在

关于Tom Wolf (Nozzle_Guy)

汤姆·沃尔夫(Tom Wolf)是在SK萨斯卡通(Saskatoon)工作的,在喷涂行业有32年的研究经验。他在曼尼托巴大学获得植物科学学士学位(1987年)和硕士学位(1991年),在俄亥俄州立大学获得农学博士学位(1996年)。汤姆着重于以研究为基础的实用建议,以提高生产者的效率。

查看所有的帖子汤姆·沃尔夫(管道工)
听这里的音频文章

定点处理一直是农业的一个目标。以反映当地情况的速率提供投入或处理是有意义的。在很大程度上,这些能力已经用于肥力和种子投入有一段时间了,投入区域反映了土壤类型或地形。

营养成分的典型处方图(来源:农田作物新闻)

但在喷雾器的世界里,还没有看到太多针对特定地点的处理。一个原因是,害虫地图的生成是耗时的,它们的有用性可能是短暂的。或许杂草是相当普遍的,所以通常需要处理整块土地。另一个原因可能是,与化肥或种子相比,喷雾剂相对便宜。

对于喷涂,我们需要重新定义具体地点。

虽然传统的分区图(对应于土壤类型和/或海拔或坡度位置)允许在英亩的范围内进行独特的处理,但新的传感器允许喷雾器基本上超越这种方法,对每平方英尺进行独特的处理。这些传感器直接识别植物,并产生即时治疗反应。

光学点喷(OSS)原理(改编自WEEDit)

自20世纪90年代早期,随着Concord DetectSpray和后来的Trimble WeedSeeker的出现,这个想法和技术已经围绕农业展开。尽管在澳大利亚和新西兰形成了一个重要的市场,但由于各种原因,这两个市场从未在北美广泛存在。新的尖端技术即将改变这种状况。

绿色棕色

两家主要制造商占据了传统的绿色对棕色光斑喷涂(OSS)空间,Trimble WeedSeeker和WEEDit。这两种方法都已经有10多年的历史了,并且已经被证实是可靠的。WeedSeeker使用归一化植被指数(NDVI)原理来检测非绿色背景上的绿色。它在每个喷嘴上使用一个传感器,喷嘴的开启或关闭取决于传感器检测到的东西。WEEDit系统由荷兰Rometron公司(https://www.weed-it.com/)生产,在澳大利亚和南美被广泛采用。现在它正在进军北美市场。最近的版本被命名方形住宅区

WEEDit喷洒臂包含每隔1米放置的传感器。这些传感器扫描动臂前方的地面,识别是否存在植物,并触发与植物对齐的喷嘴。最新的Quadro传感器包含四个通道,因此其分辨率实际上为25厘米(10英寸)宽。因此,吊杆每25厘米包含一个喷嘴,该喷嘴具有相应的窄风扇角度,仅处理该空间。

Hypro均匀喷雾(带状)喷嘴,风扇角度为30度。30度和40度喷嘴目前安装在WEEDit上,间距为10″。
30度风扇达到目标高度约8″至10″波段。臂架稳定性很重要

检测原理是基于从活的植物组织反射的光的质量与其他东西相比。发出红色(老一代)或蓝色(最新一代,Quadro)光,含叶绿素的植物反射一种独特的波长,将它们与地面或死去的植物材料区分开来。

老一代WEEDit传感器每隔1米放置5个通道,每个通道覆盖20厘米的波段。在一个36米(120英尺)的吊杆上有180个喷嘴。

系统的响应时间非常快。由小电磁阀触发,当传感器向前看1米时,喷雾器行驶速度可能高达15英里/小时。此外,该软件允许用户进行两项重要控制:首先,检测到的植物前后的喷洒距离可以缓冲在5到20厘米之间,从而形成10到40厘米长的喷洒补丁。当吊杆高度波动且喷洒的补片位置相应改变时,这可能很有用。其次,用户可以从四种灵敏度设置中进行选择。较高的灵敏度可以检测较小的杂草,但也会导致更多的错误结果。

WEEDit方形住宅区传感器

该系统在南半球取得成功的一个原因是,生长季节很长,每年可能需要在作物外多次喷洒,而且在处理时杂草相对较大,因此更容易发现。

水敏纸可以用来显示目标是否被探测到(并因此喷洒)。

在北美,播种前的喷洒窗口相对狭窄,杂草可能很小或刚刚出现。因此,由于不被发现而导致漏检的风险更大。幸运的是,WEEDit系统有一个特性可以解决这种风险。

用于WEEDit的PWM阀,能够在10到50 Hz的瞬时响应

触发单个喷嘴的螺线管是脉宽调制(PWM)。这意味着,应用率是根据旅行速度通过占空比调整。它还提供了一种创新的能力:整个爆炸装置可以通过编程,以背景广播速率(被称为“双模式”或“偏见”)的方式,喷射完全剂量的一定比例,最高可达50%。躲过检测的最小杂草可能对这一较低剂量敏感。然后发现较大的杂草,用单点喷雾剂全剂量喷洒。双模式通常设置为25%左右;总体节省较少,但在赛季早期的情况下控制得到了改善。

WEEDit Quadro吊杆也可以在“覆盖模式”中操作,用于广播喷洒,它作为一个全PWM系统与转向补偿。

目前,澳大利亚有数百台WEEDit喷雾机,自2017年以来,它们已在加拿大和美国上市。2019年,Nufarm旗下的澳大利亚喷雾器制造商Grands开始在加拿大代表WEEDit。它可作为现有吊杆的改装件提供,并可与WEEDit Millennium铝制吊杆一起订购,该吊杆包含安装支架和线束通道。与广播喷洒相比,节省的费用从65%到85%不等。

在2021年初,约翰迪尔宣布其进入绿色的布朗空间参见& Spray Select™.这个系统是建立在ExactApply喷嘴主体和使用RGB相机区分绿色植物从非绿色的背景颜色。据约翰迪尔称,它将于2022年投入使用。其他制造商也在开发类似的基于rgb的系统。虽然它们的性能还没有与WEEDit或WeedSeeker相提并论,但最初的规格表明RGB系统速度更慢,检测小型植物的能力更弱。尽管如此,未来看起来还是很有希望的。

2021年,哈迪澳大利亚公司宣布了一款新产品,名为GeoSelect.该系统没有吊杆上安装的传感器,而是根据无人机开发的处方地图进行喷洒。这一系统的优点是,在喷洒前就知道所需除草剂的数量,并且了解杂草在田间的分布情况,可以制定更有效的覆盖计划。该系统允许在任何光照条件下喷涂,并调整臂架的摇摆,以确保准确的位置。无人机地图开发是应用程序的责任。

绿色绿色

“绿对绿”喷雾技术正在发展,它可以检测作物内部的杂草,并将它们与作物区分开来越桔Agrifac杂草艺术播客这里),以及越橘和黄金英亩Swarmfarm.其他人,特别是智能喷雾器亚马逊与Xarvio和博世合作Greeneye技术分别将于2021年和2022年进入商业规模的现场测试。

光学点喷涂的机会

总体而言,光斑喷洒为杂草治理提供了许多机会。

节省费用:OSS有一个吸引人的投资回报率。在一个5000英亩的农场,草甘膦的种子前处理加上抗病性管理的罐混合可能需要每英亩10美元,或每年5万美元。平均节省75%,相当于每年37500美元。再加上其他非作物用途,如收获后,储蓄就会增加。随着最终在作物中发现杂草,几乎所有除草剂处理都可以节省这种费用。

抗除草剂管理:要想延缓除草剂抗性的产生,必须在罐内采用多种有效的作用方式。成本是阻碍这种做法的一个因素。与OSS,这些坦克混合变得负担得起。

效率:节省75%的产品,一箱产品使用时间更长。运输水和产品的时间,以及填充喷雾器的时间都将减少。例如,WEEDit用户在单个负载上喷洒了一整天。或者他们可以选择使用更小的负载,降低设备的重量。

前和收获后:无论是用于干燥还是杂草控制,晚季喷洒的地点特异性也可以基于活组织。仅处理现场需要干燥剂的区域。多年生或晚季杂草在收获前有选择地控制。由于这些应用中的除草剂使用率通常较高,因此节省的费用非常可观。

高价值作物:每季度需要多次施用杀菌剂的行间作物,如马铃薯,可以受益于OSS。因此,在关闭树冠之前喷洒可以避免植物之间的间隙,节省产品成本。

制片人创新:萨斯喀彻温省WEEDit系统的一位用户开发了一种创新的使用方法。由于错过了播种前的喷洒,喷洒器在一种单叶耐除草剂油菜作物中面临着巨大的杂草。通过降低系统的灵敏度,使油菜作物不会触发传感器,并打开双模式,他能够以较低的草甘膦剂量(足以控制小型杂草)向田间喷洒草甘膦,然后在传感器触发下向较大的杂草喷洒全剂量草甘膦。

设备创新:由于各个区域或杂草需要独特的剂量或产品,直接喷射、远程喷嘴切换、多个较小的储罐和吊杆以及PWM等技术将更有意义并得到发展。

农场的许可:OSS不仅对应用程序有直观的意义,而且对广大公众也有直观的意义。展示和使用这些技术展示了易于沟通和理解的管理实践。

人工智能侦察

另一种方法是由几家公司首创的,例如荷兰的Dronewerkers (https://www.dronewerkers.nl/english/) ((http://www.taranis.ag/)和Xarvio (https://www.xarvio.com)这些公司开发了植物识别算法,目前能够识别100多种不同的物种。每个物种都可以分为几个生长阶段。塔拉尼斯在北美开展了一项业务,通过高分辨率无人机图像侦察田地,然后向客户提供地图,突出潜在的农艺问题,如杂草、疾病或虫害。

从人工智能侦察中获得的信息的例子。在这种情况下,植物和外来物质信息的种类,相对丰度,和生长阶段。

输出的分辨率可以是特定物种的(羊羔草vs重根猪草),或者更粗略的分辨率(阔叶草vs草)。结果输出显示了每个地点的植物密度。

大豆作物中的杂草(Taranis提供)

Xarvio球探是其现场经理系列的产品(https://www.xarvio.com/en-CA/Scouting).通过应用程序,农学家或生产者为他们的作物拍照,该应用程序能够识别杂草、疾病、昆虫喂养损害,以及氮的状况。该应用程序了解该地区的其他用户,并在出现农艺问题时群发资源,并将它们反馈给用户。

Xarvio童军应用程序可以从童军拍摄的照片(Xarvio.com的截图)中识别某些杂草、疾病和虫害。

这一信息的农学价值显然是很高的。想象一下,知道处理前后杂草的种类分布情况。虽然当我们在野外行走时,我们已经可以评估这一点,但通过无人机执行这项任务,我们可以在更大范围内进行测量,允许对处理效果进行准确量化,以便评估其价值。这种程度的测量强度以前是不可能的。针对特定生长阶段特定杂草清除时间的产量损失模型可以应用于整个农田,经济分析使后续处理能够针对农田的特定部分进行定制。

绿眼科技的人工智能可以区分豚草和豌豆。(由绿眼科技提供)。

或者想象一下,随着时间的推移,跟踪特定的杂草块,监测某种文化实践的有效性,或者在仍然可以控制它的情况下警惕抗性种群的建立。

可以生成热图来记录杂草斑块,也许还可以随着时间的推移监控它们的大小。(由绿眼科技提供)。

当这些信息被转换成处方图时,可以根据区域的需要改变速率和罐混合成分(或栽培控制),或者将来可以单独喷洒杂草。也许未来的自主机器人可以更有效地部署。

油菜籽的植物症状鉴定(Taranis提供)

这些技术的发展和改进正在迅速进行。最后,我们可能拥有所有能够将特定地点的杂草、疾病和昆虫管理带到市场上的组件。