Az első év eredményei alapján sikeresnek mondható a MATE és a TERRA-COOP Termelő és Szolgáltató Korlátolt Felelősségű Társaság konzorciumi formában megvalósuló, „Szántóföldi növénytermesztés permetezési hatékonyságának növelése, a növényi növekedési periódusok konvolúciós neurális hálózat alkalmazásával történő felismerésével” – című projektje.

A Nemzeti Kutatási, Fejlesztési és Innovációs Hivatalhoz benyújtott 2022-1.2.2-TÉT-IPARI-UZ-2022-00010 azonosítószámú támogatási kérelmet a Kulturális és Innovációs Minisztérium a 2022.12.08. napon hozott döntése értelmében 63 204 248 Ft forint összegű támogatásra érdemesnek ítélte.

A szoftver gyapot növekedési fázisain kerül tesztelésre, és képes lesz költséghatékony permetezési megoldásokat kínálni. A végleges modul szigetszerűen vagy vállalatirányítási rendszerekbe integrálva alkalmazható a permetezési folyamatok monitorozására és optimalizálására.

A projektmegvalósítás első évét követően az alábbiakról számoltak be:

Az elmúlt év során a projekt keretében jelentős előrelépések történtek, amelyek alapvetően a gyapotnövény növekedési fázisainak precíz azonosítását, valamint a permetezési hatékonyság javítását célozták. A legfontosabb eredmények közé tartozik, hogy sikerült meghatározni a gyapotnövény négy (palánta szakasz, bimbós szakasz, gyapottok szakasz, toknyílási szakasz) a permetezés szempontjából kritikus növekedési fázisát. Ezek a fázisok kulcsfontosságúak a precíziós gazdálkodásban, hiszen

Az optimális időzítés eléréséhez a fázisok pontos feltérképezése elengedhetetlen, és ez a folyamat a projekt során sikeresen lezajlott. Továbbá, a konvolúciós neurális hálózat struktúrája is kidolgozásra került, amely a projekt technológiai gerincét képezi. Ez a neurális hálózat képes lesz dinamikusan felismerni a gyapotnövény különböző növekedési fázisait a beérkező képadatok alapján, így támogatva a permetezési műveletek pontos időzítését. A hálózat struktúrájának megtervezése során kiemelt figyelmet fordítottunk a nagy mennyiségű adat hatékony feldolgozására és az azonosítás pontosságára, mivel ezek a tényezők közvetlenül befolyásolják a precíziós mezőgazdasági rendszerek hatékonyságát.

Az adatgyűjtés is folyamatban van, amely során meghatározásra kerültek a neurális hálózat taníttatásához szükséges képparaméterek. Az adatbázis kiépítésre került, amely kifejezetten a képek tárolására szolgál. Ez a struktúra biztosítja a nagy mennyiségű képanyag kezelését és rendszerezését.

Ezek az adatok alapvető fontosságúak a neurális hálózat tanításához, hiszen lehetővé teszik a hálózat számára, hogy megtanulja az egyes növekedési fázisok pontos azonosítását a valós környezetben.

Ezzel párhuzamosan a permetezési költségkategóriák részletes elkülönítése is megtörtént, ami előkészítette a költséghatékony permetezési módszerek kidolgozását. A különböző költségtényezők részletes elemzésének eredményeként megkezdődött egy költségkalkulációs modell fejlesztése.

Ez a modell a projekt során fejlesztett szoftver egyik kulcsfontosságú moduljává válik, mivel képes lesz valós időben figyelni és előrejelezni a permetezési folyamat költségeit, valamint optimalizálni azokat a termelői igényekhez igazítva. Emellett a szoftverfejlesztés alapjai is lefektetésre kerültek, különös tekintettel a neurális hálózat rendszerintegrációjára való fókusszal. A tevékenységeket jelentős mértékben elősegítette a vállalati partnerrel való szoros szakmai együttműködés, amely az év során rendszeres konzultációk formájában valósult meg. A szakmai tanácsadás során nemcsak a gyapottermesztés specifikus szakmai kérdéseiben, hanem a precíziós gazdálkodás alapjainak gyakorlati szempontú alkalmazásában is jelentős támogatást nyújtottak. A vállalati partner szakértelme révén támogatást nyújtottak a költségkalkulációs modell gyakorlati fejlesztéséhez, valamint az adatgyűjtés, a növénytermesztési szempontok és a rendszerfejlesztés különböző tevékenységeihez is.

A jövő kihívásai/megoldásra váró feladatok

A következő évben a projekt során több fontos feladat megvalósítása várható, amelyek a gyapottermesztéssel kapcsolatos kutatások folytatására és a permetezési hatékonyság javítására irányulnak. Folytatódnak az üzbég fél által biztosított kísérleti állomány elemzései, amelyek célja, hogy még pontosabban definiálják a növekedési szakaszokra jellemző jeleket.

A tanulási fázis befejeztével a tesztelési szakasz során többször megismétlik a megbízhatósági szint érvényességének ellenőrzését. Amennyiben az eredmények elfogadásra kerülnek, a neurális hálózat tanítási szakasza lezárul, de az adatgyűjtés folyamatos marad az előre definiált struktúra szerint, hogy a rendszer informatikai fejlesztése és tesztelése is folytatódhasson.

A permetezési hatékonyság és költségek értékelésére a fuzzy logikán alapuló algoritmus konceptuális megalkotása is a következő mérföldkőig elkészül. Az informatikai fejlesztések során a képfelismerő neurális hálózat mellett integrálják ezt a fuzzy logikán alapuló értékelő függvényt is.

A következő mérföldkő végére elkészül a permetezési hatékonyságot és költségeket értékelő végleges függvény, valamint a betanított neurális hálózat. Ezzel párhuzamosan a két rendszer informatikai integrációja is megtörténik, és megkezdődik a felhasználói felület fejlesztése. Az újonnan létrehozott kontrollrendszer és automatikus diagnosztizáló rendszer tesztelése szintén megtörténik.