زرعی ماہروں کو تندوں کی تعداد کو ماڈل بنانے کے ل ste تند آبادی کو جاننے کی ضرورت ہے.
کاشتکاروں کو جلد ہی کسی بھی وقت کھیت میں پیمانے پر آلو کے پودوں کی آبادی میں ہونے والے فرق کا اندازہ لگانا چاہئے۔ یہ ہارپر ایڈمس یونیورسٹی کے کام کرنے کا شکریہ ، اے ایچ ڈی بی نے پی ایچ ڈی کے طالب علم جوزف منگو کو مالی اعانت فراہم کی۔ اس کا فیصلہ کرنے کا نیا آلہ مصنوعی ذہانت کا استعمال کرتا ہے جس کو ڈیپ لرننگ کہا جاتا ہے جس کے ساتھ ساتھ فصلوں کی ڈرون لینے والی تصاویر کے ساتھ تنوں کی تعداد اور اس کا نقشہ معلوم ہوتا ہے جہاں وہ واقع ہوتے ہیں۔
یہ تکنیک اشیاء کا پتہ لگانے کے قابل ہے ، اور خود ڈرائیونگ کاروں میں مشینی وژن کے لئے استعمال ہوتی ہے۔ مسٹر منگگو نے کہا: "زرعی ماہروں کو تنوں کی آبادی کو جاننے کی ضرورت ہے تاکہ آپ ٹبر کی تعداد کو ماڈل بنائیں۔
"گذشتہ دو سالوں کے دوران ، ہم مصنوعی ذہانت پر مبنی کچھ تکنیک تیار کر رہے ہیں تاکہ اس مسئلے کو حل کرنا شروع کیا جاسکے کہ آلو کے کھیت میں خلیہ کثافت میں پائے جانے والے فرق کا اندازہ لگانے کے لئے ، عام طور پر پودے لگانے کے 70 دن بعد۔" ڈرون کیذریعہ باقاعدگی سے سرخ ، نیلے اور سبز طول موج کا استعمال کرتے ہوئے پودوں کے اشاریوں کا تجزیہ کرتے ہوئے ، جوزف نے دریافت کیا کہ آلو کے پودوں کے meristematic تجاویز کو شمار کیا جاسکتا ہے اور تنے کے اشارے کی نمائندگی کرنے کے لئے استعمال کیا جاسکتا ہے۔
اس کے بعد اسٹیم نمبروں کا اندازہ لگانے کے لئے ایک مضبوط ماڈل تیار کرنے کے لئے ڈیپ لرننگ کا استعمال کیا گیا تھا جس کا استعمال کسی کھیت میں خلیہ آبادی کی کثافت کا حرارت کا نقشہ تیار کرنے کے لئے کیا جاسکتا ہے۔ اس آلے کا مقصد بنیادی طور پر فصل کی کٹائی کے فیصلوں میں سہولت فراہم کرنا ہے ، تاکہ زیادہ تعداد میں کنڈوں والے حصوں کو زیادہ سے زیادہ وقت پر چھوڑا جاسکے ، جبکہ کم ، بڑے ٹبر والے افراد کو پہلے کاشت کیا جاتا ہے۔
"پہلے تربیت یافتہ ماڈلز سے پتہ چلتا ہے کہ جہاں فی زمینی رقبے پر زیادہ تنوں کی تعداد موجود ہے ، وہاں اوسطہ ٹائبر سائز کی قیمت پر تندوں کی زیادہ تعداد کی توقع کی جاسکتی ہے۔ "انہوں نے بتایا کہ کاشتکار آلو کی تنوں کی آبادی اور کنڈ کی پیداوار کے ساتھ ساتھ سائز کی تقسیم کے درمیان تعلقات سے بخوبی واقف ہیں ، اور فصل کے اوقات کے بارے میں فیصلے عام طور پر کھیت میں پیداوار کے بہت سے کھودوں پر مبنی ہوتے ہیں۔
"اس ماڈل اور دوسروں کے مابین فرق یہ تھا کہ وہ قطعیت کی کاشتکاری میں انتظامیہ زون کی خاکہ کو معلومات فراہم کرنے کے لئے فیلڈ میں تغیرات کی پیمائش کرنے کی صلاحیت فراہم کرتا ہے۔ انہوں نے کہا ، "جوزف کے نئے ماڈل کا شاپ شائر اور لنکن شائر کے مختلف علاقوں میں آلو کے کھیتوں میں تجربہ کیا گیا ہے ، اور وہ بہت امید افزا نظر آرہے ہیں۔ "نیا آلہ صحت سے متعلق کھیتی باڑی کو حاصل کرنے میں بہت آسان تر بنائے گا ، کیونکہ معلومات کے بعد وصولی کے وقت اور کٹائی سے متعلق فیصلے ، بلکہ کیٹناشک اور جڑی بوٹیوں سے بچنے کے بارے میں بھی آگاہ کرسکتے ہیں۔"
کھاد کو پیداوار میں ترجمہ کرنا
نیزروجن (ن) ، فاسفورس (پی) اور سلفر (ایس) کی کھاد کی درخواستوں اور کس فرق کی ترجمانی کے لئے اس کے فرق کو دیکھتے ہوئے ، اور اس کے مطالعہ کے ایک حصے کے طور پر ، وہ پانچ کھیتوں میں آلو کی فصل کی کارکردگی کی نقشہ سازی کررہے ہیں۔ وہ تعاون کرنا چھوڑ دیتے ہیں۔ مٹی میں موجود سطحوں کی وجہ سے مٹی کے غذائی اجزاء کا ردعمل پورے شعبے میں مختلف ہوسکتا ہے۔ کھاد کی درخواست کے بعد مٹی کے نمونے لئے گئے تھے ، اور بیشتر فیلڈوں میں ہمیں زیادہ کھاد ڈالنے کے شواہد ملے ہیں جو چھوٹے ٹبر سائز والے کھیت میں پی کی اونچی سطح سے وابستہ ہیں۔
"ہماری سمجھ میں یہ رہا ہے کہ آلو میں ایک ٹنک بلکنگ انضمہ موجود ہے اور غذائی اجزاء کی زیادہ سے زیادہ سطح سے صرف غالب ٹبر ہی موجود ہے۔ تاہم ، کاشتکاروں کے کھیتوں میں اعلی غذائیت کی سطح پر مشاہدہ کیا جاتا ہے ، ہم اس بات کا ثبوت اکٹھا کر رہے ہیں کہ یہ ہمیشہ درست نہیں ہوگا۔ "ان نتائج سے پتہ چلتا ہے کہ مطالعے کے سارے شعبے غذائی اجزاء کی زیادہ سے زیادہ سطح پر کام کر رہے ہیں ، اور ان شعبوں میں ، پی سطح اور ٹبر سائز کی تقسیم کے مابین ایک اہم منفی تعلق رہا ہے۔
"کنٹرول شدہ علاج سے بے ترتیب تجربات کو استعمال کرنے کے بجائے ، ہم میدانی اور ٹبر سائز کی تقسیم کے مابین حقیقی فیلڈ کے حالات میں سمجھنا چاہتے ہیں۔" اس کے نتیجے میں ، اس نے ماڈل تیار کرنے کے لئے جیو شماریاتی سروے کا طریقہ اختیار کیا ، اس کا خیال ہے کہ اس نے ہمیں گتانکوں کے ساتھ ایسے ماڈل تیار کرنے کی اجازت دی ہے جو عام کسانوں کے کھیتوں میں مشاہدہ کرنے والے تعلقات کو بہتر انداز میں ظاہر کرتے ہیں۔ "بہت سے معاملات میں ، کاشتکار کوشش کر سکتے ہیں کہ ان کی فصلوں میں مناسب غذائی اجزاء موجود ہوں ، لیکن اس سے پیداوار اور معیار پر نقصان دہ اثر پڑ سکتا ہے۔"
پیش گوئوں کو بہتر بنانے کے لئے ان ماڈلز کی سہ جہتی نوعیت اسٹیم گنتی ماڈل کے ساتھ انضمام کے ساتھ ساتھ سیٹلائٹ امیجری کو شامل کرنے کے قابل بناتی ہے۔ جوزف کے پی ایچ ڈی کے ایک تیسرے جزو میں اس کے مطالعاتی مقامات سے مٹی اور چھتری کی آزادانہ طور پر دستیاب اعلی ریزولوشن ملٹی اسپیکٹرل سیٹلائٹ امیجری کا انضمام شامل ہے۔ "ہم اس حد تک پیمائش کریں گے کہ سیٹلائٹ کی تصویری فصل کی پیشگی پہلے ہی آلو کی پیداوار اور ٹبر سائز کی تقسیم کی بہتر پیش گوئی کی درستگی حاصل کرنے میں مدد کر سکتی ہے۔"
ایگروومی ہفتہ کی پیش کش دیکھیں:
سیکٹر: الو
تم ہونا ضروری ہے میں ریکارڈ ایک تبصرہ پوسٹ کرنے کے لیے.