„A kutatást egyrészt a gazdálkodók gyakorlati kérdései inspirálták, másrészt a szakirodalom feltárása során szerzett tapasztalatok. Kiderült, hogy a szenzoros növényvizsgálatok eredményei jelenleg nem kellően rendszerezettek ahhoz, hogy hosszú távú következtetéseket vagy megbízható előrejelzéseket lehessen készíteni. Emellett azt is láttuk, hogy a mesterséges intelligencia alkalmazása ezen a területen még alig jelent meg, ezért ezen a téren jelentős fejlesztési lehetőség mutatkozik” – így magyarázta a projekt szükségességét annak szakmai vezetője, Tar Melinda az egyetemi hírportálnak.

A Szegedi Tudományegyetem Mezőgazdasági Kar Növénytudományi és Környezetvédelmi Intézet tudományos főmunkatársa elárulta, jelenleg a gazdálkodók vagy kutatók gyakran személyesen járják be a területeket, ami idő- és munkaigényes, vagy műhold- és drónfelvételekre támaszkodnak, amelyek nem elég gyakoriak és nem mutatják meg kellő részletességgel a növények állapotát. A projekt erre kínál egy költséghatékony alternatívát.

A fejlesztés során egy egyszerűen telepíthető kamerarendszert hoznak létre, amely rendszeresen fényképezi a növényeket. A képeket egy mesterséges intelligencia elemzi, amely képes megállapítani, hogy a növény milyen fejlődési szakaszban van, illetve felismeri az olyan stresszhatásokat, mint az aszály vagy a nitrogénhiány. Az adatok feldolgozása szinte valós időben történik, így a problémák már korai stádiumban észlelhetők.

A projekt egyik fontos eredménye egy több mint 40 ezer képből álló adatbázis létrehozása lesz, amely különböző növénykultúrák fejlődési állapotait és stressztüneteit tartalmazza. Erre épül majd az a mesterséges intelligencia modell, amely nagy pontossággal képes azonosítani a növények állapotát.

„A vizsgálatokat elsőként uborkán végezzük, amely a mezőgazdasági alapkutatások egyik leggyakrabban használt modellnövénye. A következő lépésben kukoricával folytatjuk a kísérleteket, később pedig további gazdasági növényeket – például paprikát, fűszernövényeket, napraforgót, szóját és búzát – is szeretnénk bevonni a kutatásba” – magyarázta Tar.

A projekt első szakaszában két fontos stresszfaktorra, az aszályra és a nitrogénhiányra összpontosítanak. Hosszabb távon a módszert más stresszfaktorokra is szeretnék kiterjeszteni, hogy a rendszer előre jelezhesse a várható problémákat, és támogassa a gazdálkodókat a megfelelő beavatkozások – például a tápanyag-utánpótlás – időzítésében.

A fejlesztés várhatóan segíthet abban, hogy a gazdálkodók gyorsabban reagáljanak a termést veszélyeztető problémákra, hatékonyabban használják fel a vizet és a műtrágyát, valamint növeljék a termésbiztonságot. Hosszabb távon a rendszer hozzájárulhat a fenntarthatóbb mezőgazdasághoz, csökkentheti a termelési költségeket, és támogathatja a klímaváltozás hatásaihoz való alkalmazkodást.