启用人工智能,移动土壤pH分类与色度纸张传感器,用于可持续农业

科学领域:

• 农业科学 农业科学
• 环境科学 环境科学
• 传感器技术 传感器技术

背景情况:

• 优化作物产量和最大限度地减少农业对环境的影响需要具有成本效益的实时土壤化学分析.
• 色度纸张传感器为现场土壤测试提供了潜力,但自动现场读取和分析对于实际应用至关重要.
• 移动技术的整合可以使机器学习能够快速分类土壤参数,支持可持续的农业实践,特别是在数据稀缺的热带地区.

研究的目的:

• 开发和评估一个移动化学分析系统,用于在热带田野条件下使用色度测量纸张传感器在现场进行自动化土壤pH分类.
• 与传统的实验室土壤分析相比,评估系统的准确性和效率.
• 为了证明该系统在为农民提供可操作的土壤管理数据方面的实用性.

主要方法:

• 开发了一个智能手机应用程序,自动读取和分类色度纸 pH 传感器的结果.
• 训练了一种机器学习模型,根据传感器色度数据将土壤pH分为低,中,高等级.
• 移动系统在9公的土地上进行了实地测试,将其表土pH测绘与标准实验室分析进行了比较.

主要成果:

• 移动系统在分类土壤pH值方面达到97%的准确性,显著超过实验室方法的缓慢周转时间 (分钟与天).
• 与传统的基于实验室的化合物映射相比,现场现场分析显示,pH变化的空间分辨率增加了9倍.
• 该系统成功提供了土壤校正数据,支持明智的管理决策.

结论:

• 开发的移动化学分析系统为现场的土壤pH值评估提供了快速,准确和具有成本效益的解决方案,特别有利于小规模农民.
• 这项技术通过及时干预和避免过度修改土壤来增强可持续农业,并有可能进行多参数营养测试.
• 该系统的高空间分辨率提供了对传统方法无法捕获的土壤异质性的关键见解.