કંદની સંખ્યાનું મોડેલ તૈયાર કરવા માટે કૃષિવિજ્ઞાનીઓને સ્ટેમની વસ્તી જાણવાની જરૂર છે.
ઉગાડનારાઓ ટૂંક સમયમાં કોઈપણ સમયે ખેતરના ધોરણે બટાકાના છોડની વસ્તીમાં તફાવતનું મૂલ્યાંકન કરી શકશે. આ હાર્પર એડમ્સ યુનિવર્સિટી, AHDB દ્વારા ભંડોળ પૂરું પાડવામાં આવેલ પીએચડી વિદ્યાર્થી જોસેફ મ્હાન્ગો દ્વારા કરવામાં આવેલ કાર્યને આભારી છે. તેમનું નવું નિર્ણય લેવાનું સાધન કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ કરે છે જેને ડીપ લર્નિંગ તરીકે ઓળખવામાં આવે છે અને સ્ટેમ નંબરની ગણતરી કરવા માટે પાકની ડ્રોન દ્વારા લેવામાં આવેલી છબીઓ સાથે અને તે ક્યાં થાય છે તેનો નકશો બનાવે છે.
આ તકનીક વસ્તુઓને શોધી કાઢવામાં સક્ષમ છે, અને સ્વ-ડ્રાઇવિંગ કારમાં મશીન વિઝન માટે ઉપયોગમાં લેવાય છે. મિસ્ટર મ્હાંગોએ કહ્યું: “કંદની સંખ્યાનું મોડેલ બનાવવા માટે કૃષિવિજ્ઞાનીઓને સ્ટેમની વસ્તી જાણવાની જરૂર છે.
"છેલ્લા બે વર્ષોમાં, અમે કૃત્રિમ બુદ્ધિમત્તા પર આધારિત કેટલીક તકનીકો વિકસાવી રહ્યા છીએ જેથી બટાટાના ખેતરમાં દાંડીની ઘનતાના તફાવતને સંપૂર્ણ છત્ર પર, સામાન્ય રીતે વાવેતર પછીના 70 દિવસમાં કેવી રીતે શ્રેષ્ઠ રીતે અનુમાનિત કરવું તે સમસ્યાનું નિરાકરણ શરૂ કરવામાં આવે." ડ્રોન દ્વારા લેવામાં આવતી નિયમિત લાલ, વાદળી અને લીલા તરંગલંબાઇનો ઉપયોગ કરીને વનસ્પતિ સૂચકાંકોનું વિશ્લેષણ કરીને, જોસેફે શોધ્યું કે બટાકાના છોડની મેરીસ્ટેમેટિક ટીપ્સ ગણી શકાય છે અને સ્ટેમ ટીપ્સને રજૂ કરવા માટે તેનો ઉપયોગ કરી શકાય છે.
ત્યારબાદ ડીપ લર્નિંગનો ઉપયોગ સ્ટેમ નંબરનો અંદાજ કાઢવા માટે એક મજબૂત મોડેલ વિકસાવવા માટે કરવામાં આવ્યો હતો જેનો ઉપયોગ સમગ્ર ક્ષેત્રમાં સ્ટેમની વસ્તીની ઘનતાનો હીટ મેપ બનાવવા માટે થઈ શકે છે. આ સાધન મુખ્યત્વે લણણીના નિર્ણયોને સરળ બનાવવાનો હેતુ ધરાવે છે, જેથી વધુ સંખ્યામાં કંદ ધરાવતા વિસ્તારોને જથ્થાબંધ કરવા માટે વધુ સમય છોડી શકાય, જ્યારે ઓછા, મોટા કંદ ધરાવતા વિસ્તારોને પહેલા કાપવામાં આવે છે.
“અગાઉના પ્રશિક્ષિત મોડેલો દર્શાવે છે કે જ્યાં જમીનના વિસ્તાર દીઠ વધુ સ્ટેમ નંબરો છે, ત્યાં સરેરાશ કંદના કદના ખર્ચે વધુ સંખ્યામાં કંદની અપેક્ષા રાખવામાં આવે છે. ” તેમણે નોંધ્યું હતું કે ઉત્પાદકો બટાકાની દાંડીની વસ્તી અને કંદની ઉપજ તેમજ કદના વિતરણ વચ્ચેના સંબંધથી સારી રીતે પરિચિત છે, અને લણણીના સમય અંગેના નિર્ણયો સામાન્ય રીતે સમગ્ર ખેતરમાં સંખ્યાબંધ ઉપજ ખોદવાના આધારે લેવામાં આવે છે.
“આ મૉડલ અને અન્ય વચ્ચેનો તફાવત એ હતો કે તે પ્રિસિઝન ફાર્મિંગમાં મેનેજમેન્ટ ઝોનની રૂપરેખા માટે માહિતી પ્રદાન કરવા માટે ક્ષેત્રની અંદરની વિવિધતાને માપવાની ક્ષમતા પૂરી પાડે છે. ” જોસેફના નવા મોડલનું સમગ્ર શ્રોપશાયર અને લિંકનશાયરમાં સંખ્યાબંધ બટાકાના ખેતરોમાં પરીક્ષણ કરવામાં આવ્યું છે અને તે ખૂબ જ આશાસ્પદ લાગે છે, એમ તેમણે જણાવ્યું હતું. "નવું સાધન ચોકસાઇપૂર્વકની ખેતીને હાંસલ કરવા માટે ખૂબ સરળ બનાવશે, કારણ કે માહિતી પછી ડિસીકેશનના સમય અને લણણી, પણ જંતુનાશક અને હર્બિસાઇડના ઉપયોગ અંગેના નિર્ણયોની જાણ કરી શકે છે."
ઉપજમાં ખાતરનું ભાષાંતર કરવું
ઉપરાંત તેમના અભ્યાસના ભાગ રૂપે તેઓ નાઈટ્રોજન (N), ફોસ્ફરસ (P) અને સલ્ફર (S) ના ખાતરના ઉપયોગ અને તેઓ ઉપજમાં કેવી રીતે અનુવાદ કરે છે અને કયા તબક્કે તફાવત કરે છે તે જોઈને, તેઓ પાંચ ક્ષેત્રોમાં બટાકાના પાકની કામગીરીનું મેપિંગ કરી રહ્યા છે. તેઓ ફાળો આપવાનું બંધ કરે છે. “જમીનમાં પહેલાથી જ ઉપલબ્ધ સ્તરોને કારણે જમીનના પોષક તત્વોનો પ્રતિભાવ સમગ્ર ક્ષેત્રમાં બદલાઈ શકે છે. "ખાતરના ઉપયોગ પછી માટીના નમૂના લેવામાં આવ્યા હતા, અને મોટા ભાગના ક્ષેત્રોમાં અમને વધુ પડતા ફળદ્રુપતાના પુરાવા મળ્યા હતા જે નાના કંદના કદવાળા ખેતરમાં P ના ઉચ્ચ સ્તર સાથે સંકળાયેલા હતા."
“અમારી સમજણ એ છે કે બટાકામાં કંદનું બલ્કિંગ વંશવેલો અસ્તિત્વ ધરાવે છે અને પ્રબળ કંદનો માત્ર એક સબસેટ પોષક તત્વોના મહત્તમ સ્તરનો લાભ લે છે. “જો કે, ઉગાડનારાઓના ખેતરોમાં જોવા મળતા ઉચ્ચ પોષક સ્તરો પર, અમે પુરાવા એકત્ર કરી રહ્યા છીએ કે આ હંમેશા સાચું હોતું નથી. “તારણો દર્શાવે છે કે અભ્યાસના તમામ ક્ષેત્રો પોષક તત્ત્વોના શ્રેષ્ઠ સ્તરોથી આગળ કામ કરી રહ્યા છે, અને આ ક્ષેત્રોમાં, P સ્તરો અને કંદના કદના વિતરણ વચ્ચે નોંધપાત્ર નકારાત્મક સંબંધ હતો.
"નિયંત્રિત સારવાર સાથે રેન્ડમાઇઝ્ડ પ્રયોગોનો ઉપયોગ કરવાને બદલે, અમે વાસ્તવિક ક્ષેત્રની પરિસ્થિતિઓમાં માટી અને કંદના કદના વિતરણ વચ્ચેના સંબંધને સમજવા માગીએ છીએ." પરિણામે, તેમણે મોડેલો બનાવવા માટે ભૂ-આંકડાકીય સર્વેક્ષણનો અભિગમ અપનાવ્યો, તે માને છે કે, આનાથી અમને ગુણાંક સાથે મોડેલ બનાવવાની મંજૂરી મળી છે જે સામાન્ય ખેડૂતોના ખેતરોમાં જોવા મળતા સંબંધોને વધુ સારી રીતે પ્રતિબિંબિત કરે છે”. "ઘણા કિસ્સાઓમાં, ખેડૂતો તેમના પાકમાં પૂરતા પોષક તત્વો હોય તે સુનિશ્ચિત કરવા માટે વધુ પડતા ફળદ્રુપતા કરી શકે છે, પરંતુ આ ઉપજ અને ગુણવત્તા પર નુકસાનકારક અસરનું કારણ બની શકે છે."
આ મોડલ્સની ત્રિ-પરિમાણીય પ્રકૃતિ સ્ટેમ-કાઉન્ટિંગ મોડલ સાથે એકીકરણ તેમજ અનુમાનોને સુધારવા માટે સેટેલાઇટ ઇમેજરીના સમાવેશને સક્ષમ કરે છે. જોસેફના પીએચડીના ત્રીજા ઘટકમાં તેમના અભ્યાસના સ્થળો પરથી જમીન અને કેનોપીની મુક્તપણે ઉપલબ્ધ ઉચ્ચ-રિઝોલ્યુશન મલ્ટિસ્પેક્ટ્રલ સેટેલાઇટ ઇમેજરીનું એકીકરણ સામેલ છે. "અમે તે હદને માપીશું કે ઉપગ્રહની છબી લણણીના અગાઉથી બટાકાની ઉપજ અને કંદના કદના વિતરણની વધુ સારી આગાહીયુક્ત ચોકસાઈ પ્રાપ્ત કરવામાં મદદ કરી શકે છે."
કૃષિવિજ્ઞાન સપ્તાહની પ્રસ્તુતિ જુઓ:
ક્ષેત્રો: બટાકા
તમે જ હોવી જોઈએ લૉગ ઇન એક ટિપ્પણી પોસ્ટ કરો.