Kāds bija risinājums/problēma?
Ražas brieduma un veselības uzraudzība ar automatizētiem un nesagraujošiem līdzekļiem, un optimālā ražas novākšanas datuma un galīgās produkcijas novērtējums. Piedalījās dažādi aktieri, nodrošinot dažādas tehnoloģijas, agronomiskās zināšanas un zemes gabali, lai veiktu eksperimentus un apstiprinātu sistēmu
Kā jūs atrisinājāt problēmu?
Mēs izmantojām IOT sistēmas uz lauka, augsnes un augu hiperspektrālie attēli, termoattēli, kas iegūti no droniem un biznesa informācijas un AI rīkiem, lai no visiem šiem datiem iegūtu noderīgu informāciju
Kas ir novatorisks jūsu praktiskajā gadījumā?
Hiperspektrālo attēlu izmantošana kvalitātes parametru mērīšanai un trauksmes signālu un ieteikumu ģenerēšana par mēslošanu un ražas novākšanu, pamatojoties uz datiem no daudziem dažādiem avotiem
Kādi ir veiksmes faktori problēmas risināšanā?
Svarīga bija visu partneru sadarbība ar viņu īpašajām zināšanām
Gūtās mācības
Tomātu kvalitātes parametru un augsnes sastāva noteikšana no hiperspektrāliem attēliem, kas uzņemti uz lauka. Algoritmi gala produkcijas prognozēšanai un optimālā ražas novākšanas datuma noteikšanai, izmantojot uz lauka uzņemtos attēlus.
Kāda loma ir konsultantam vai konsultatīvajam dienestam ar praktisko lietu?
Inovāciju brokeris
Vai jūsu pieeja var tikt pārnesta un/vai pielāgota citiem jauninājumu izaicinājumiem un reģioniem?
Jā
Paredzamā nododamība mērogā no 1 Ļoti svarīga būs arī Štīrijas Lauksaimniecības kameras loma pēc projekta beigām, lai rezultātus izplatītu pēc iespējas plašāk 5
(kur 1 ir viegli un 5 ļoti grūti)
3
Par dalīšanos pieredzē par labo praksi, lūdzu sazinieties
Jēzus Gil
jgilsoto@ctaex.com
Saite uz ārējo informāciju
https://www.youtube.com/channel/UCFiyU3cOyuX4A2SGFvOP0xw