14 400
szűrt okostelefonos kép
A képszűrés utáni végső adatkészlet.
CNN + fuzzy döntéstámogatás
Gyapotpermetezés a megfelelő időben.
A gyapot helyileg értelmezett permetezési fázisainak felismerése hétköznapi okostelefonos képről, majd a permetezési terv fuzzy optimalizálása a pontosabb időzítés és az alacsonyabb növényvédelmi költség érdekében.
- 6
- helyileg értelmezett permetezési fázis
- 2
- validációs szezon: 2023 és 2024
- 4 ha
- öntözött kísérleti terület
A kiadvány röviden
Egy kép. Hat növekedési fázis. Jobb időzítés.
A kutatás a szakértői fáziskialakítást, a képalapú felismerést és a két szezonos terepi összehasonlítást egymásra épülő rendszerként vizsgálta.
93,0%
tesztpontosság
Belső teszteredmény a visszatartott, SP-címkézett karsii egységeken; nem országos vagy eszközfüggetlen validáció.
−21,2%
növényvédelmi költség
SP-alapú időzítés a BBCH-alapú összehasonlításhoz képest a terepi vizsgálatban.
+4,5%
becsült lint-egyenértékű hozam
Parcellaszintű becslés az SP-alapú időzítésnél, a BBCH-alapú összehasonlításhoz képest.
Értelmezési keret
A terepi eredmények egy helyszínre, egy fajtára és két szezonra vonatkoznak. Önmagukban nem igazolják az országos általánosíthatóságot.
01 · A kihívás
Miért számít ennyire az időzítés?
A gyapot hosszú tenyészidejű és nagy ráfordításigényű növény. A növekedés ütemét a hőmérséklet, a talajnedvesség, a fény és az öntözés is alakítja, ezért az ültetés óta eltelt napok önmagukban nem adnak kellően pontos permetezési jelzést.
Túl korán
A kezelés megelőzheti a biológiailag indokolt beavatkozási ablakot.
Túl későn
Nőhet a kártevők okozta kár, és ismételt kezelés válhat szükségessé.
A megfelelő fázisban
Célzottabb döntés, kevesebb szükségtelen kijuttatás és jobb erőforrás-felhasználás válhat lehetővé.
02 · Kutatási folyamat
Négy egymásra épülő lépés.
A szakértői tudástól a két szezonos terepi validációig.
-
01
Szakértői alap
Az SP-skála kialakítása
16 tapasztalt gyapot-agronómus, két moderált konszenzuskör és írásban megerősített végső meghatározások.
-
02
Adatminőség
Képek szűrése és címkézése
A duplikált, súlyosan elmosódott, erősen árnyékos és nem értelmezhető képek kiszűrése; független címkeellenőrzéssel.
-
03
Képfelismerés
A CNN tanítása és tesztelése
A hat SP-osztály felismerésére kialakított modell tanítása, validációja és visszatartott teszthalmazon végzett értékelése.
-
04
Terepi ellenőrzés
Két szezonos validáció
SP- és BBCH-alapú időzítés összehasonlítása 2023-ban és 2024-ben, öntözött kísérleti környezetben.
03 · SP-skála
Hat, terepen felismerhető permetezési fázis.
Az SP1–SP6 skála a helyileg értelmezett növényállapotokat kapcsolja a permetezési időzítéshez. A fázishatárok fokozatosak.
Fontos értelmezési korlát
A BBCH-hoz közelítő megfeleltetés értelmezési híd, nem közvetlen BBCH-szintű CNN-validáció.
SP1BBCH 09–11
Az első valódi levél megjelenése
Korai megfigyelés: levéltetvek és tripszek.
SP2BBCH 12–34
Vegetatív levélnövekedés, első oldalhajtások
Lombfejlődés és korai kártevő-felderítés.
SP3BBCH 35–50
Szármegnyúlás és lombzáródás
A permetlé behatolása megváltozik.
SP4BBCH 51–59
Az első látható virágbimbók
Bimbós állapothoz kötött beavatkozási ablak.
SP5BBCH 60–69
Első nyílt virágoktól a középvirágzásig
A virágzási szakasz védelme.
SP6BBCH 70–80
Tokfejlődéstől az első toknyílásig
Korai tokvédelem és érési időszak.
A független címkeellenőrzésben a viták főként az SP3–SP4 és az SP5–SP6 átmeneteknél jelentkeztek.
04 · CNN és adatkészlet
14 400 szűrt kép. Hat SP-osztály.
A ResNet-50 architektúrájú modell 512 × 512 pixeles okostelefonos képekből becsüli a helyileg értelmezett permetezési fázist.
Adattisztítás
A kiinduló állománytól a modelladatig
- Kiinduló állomány14 887kép
- Kiszűrve487312 duplikált vagy közel azonos
175 minőségi vagy értelmezési probléma - Végső adatkészlet14 400szűrt okostelefonos kép
Adatfelosztás
Gazdaságonként elkülönített részhalmazok
Egy gazdaság vagy közreműködő képei csak egyetlen tanítási, validációs vagy teszt-részhalmazba kerülhettek.
- Tanítás
- 10 080 kép
- Validáció
- 2 880 kép
- Teszt
- 1 440 kép
Tesztpontosság
93,0%
Visszatartott SP-címkézett teszthalmaz.
Makro F1
93,8%
A hat SP-osztály összesített mutatója.
Cohen-féle κ
0,85
3 független agronómus vak értékelése 300 képen.
Mit jelent a 93,0%?
Belső teszteredmény a visszatartott, SP-címkézett karsii közreműködői egységeken. Nem országos, nem BBCH-szintű és nem éles, eszközfüggetlen validáció.
05 · Feldolgozási lánc
A képtől a végrehajtható permetezési tervig.
A CNN a növényállapotot ismeri fel; a fuzzy réteg a bizonytalan, részben átfedő információkat üzemi javaslattá alakítja.
- 01
Bemenet
Kép és parcellaadat
Parcellaazonosító, terület és okostelefonos képek.
- 02
Felismerés
CNN-fázisbecslés
SP1–SP6 becslés és a CNN bizonyossága.
- 03
Kiértékelés
Fuzzy döntési réteg
Érettség, költség és alkalmasság fokozatos értékelése.
- 04
Térbeli kimenet
Színezett zónatérkép
Prioritás és érettségi profil a területegységekre.
- 05
Üzemi kimenet
Kijuttatási és költségterv
Engedélyezett alternatívák költség szerinti rangsora.
Lehetséges további bemenetek
- permettípusok és dózistartományok
- egységárak és kijuttatási költség
- kártevő-megfigyelés
- készlet és gépkapacitás
- időjárási korlátok
A végső döntést a növényvédelmi előírások, a készítmény címkéje, az időjárási feltételek és a felelős agronómus jóváhagyása korlátozza.
06 · Fuzzy döntéstámogatás
Nem merev határérték, hanem fokozatos besorolás.
Egy parcella egyszerre, eltérő mértékben több kategóriához is tartozhat. Ez a természetes fázisátmenetek kezelését szolgálja.
Érettség
korai · átmeneti · célfázis · késői
Költség
alacsony · közepes · magas
Alkalmasság
nem megfelelő · feltételes · megfelelő
Döntési szabálypéldák
„Ha” feltételekből „akkor” kimenet.
a célfázis tagsága magas, a szer engedélyezett és a hektárköltség kedvező
akkormagas kijuttatási prioritása parcella átmeneti fázisban van vagy a CNN-bizonyosság alacsony
akkorúj kép vagy agronómusi ellenőrzésa szer nem illeszkedik a fázishoz vagy jogszabályi korlát sérülne
akkornincs kijuttatási javaslatSaját szemléltetés
Színkódolt parcellatérkép
- 0–24 Várj / figyelj
- 25–49 Ellenőrizd
- 50–74 Tervezd
- 75–100 Elsőbbségi
0–24Várj / figyelj
25–49Ellenőrizd
50–74Tervezd
75–100Elsőbbségi
Korlát
A rendszer nem módosítja önkényesen az engedélyezett dózist. A fuzzy modul önálló többlethatását külön, kontrollált üzemi validációban kell mérni.
07 · Terepi validáció
Két szezon, kontrollált összehasonlítás.
A KEEI Karshi melletti öntözött kísérleti területén az SP- és BBCH-alapú időzítést hasonlították össze 2023-ban és 2024-ben.
- 4 ha
- kísérleti terület
- 4 blokk
- blokkonként SP és BBCH
- 8 blokk-év
- megfigyelési egység
- Bukhara-102
- vizsgált fajta
Változatlan tényezők
- fajta és növénysűrűség
- öntözés és trágyázás
- termékek és dózis
- permetezőgép, fúvóka és nyomás
- kezelő és parcellamenedzsment
Az egyetlen változó a permetezési időzítés logikája és az ebből következő alkalmazási gyakoriság volt.
SP vs BBCH
Terepi eredmények mutatónként
Az oszlopok külön, nulláról induló mutatónkénti skálán hasonlítanak össze; az egzakt értékek közvetlenül feliratozottak.
SPBBCH
Alkalmazások szezononként
−23,1%Leíró eredmény; a kiadvány nem közöl hozzá inferenciális eredményt.
Növényvédelmi költség
−21,2%USD/ha · Δ −30,50 · 95% CI: −44,97 és −16,03 között · p = 0,0016
Lint-egyenértékű hozam
+4,5%t/ha · Δ +0,154 · 95% CI: 0,084 és 0,223 között · p = 0,0012
ERI
−21,6%Δ −0,180 · 95% CI: −0,259 és −0,101 között · p = 0,0010
Hatáselkülönítés
A −21,2%-os terepi költségkülönbség az SP-alapú és BBCH-alapú időzítés kontrollált összehasonlításának eredménye. Nem tulajdonítható önállóan a fuzzy modulnak.
08 · Gazdasági hatás
Két forrásból jelzett gazdasági javulás.
Alacsonyabb növényvédelmi kiadás és magasabb, parcellaszinten becsült lint-egyenértékű hozam.
növényvédelmi költségmegtakarítás
becsült többlet bruttó lint-egyenértékű érték
részleges költségvetési előny
Számítási alap
1 850 USD/t
A számításhoz használt helyi termelői lintár.
Nincs benne
- szoftver és tanácsadás
- képzés és adatkapcsolat
- eszközök és üzemeltetés
Értelmezés
Nem teljes profit.
A ≈ 315 USD/ha részleges költségvetési előny, nem teljes nyereség vagy teljes profitkimutatás.
09 · Korlátok és folytatás
Mit igazol a kutatás — és mit nem?
A helyi eredmények ígéretesek, de a szélesebb alkalmazhatósághoz további validáció és teljes üzleti költségvizsgálat szükséges.
Helyi érvényesség
Egy helyszín, egy fajta és két szezon; az eredmények nem igazolják az országos alkalmazhatóságot.
Átmeneti fázisok
Az SP3–SP4 és SP5–SP6 határok több ellenőrzést igényelnek.
CNN-validáció
A 93,0% belső SP-címkézett teszteredmény; nem országos, BBCH-szintű vagy éles, eszközfüggetlen validáció.
Fuzzy kalibráció
A tagsági függvényeket és szabályokat minden új régióban és szezonban agronómiailag felül kell vizsgálni és kalibrálni.
Hatáselkülönítés
A fuzzy modul önálló többlethatásához külön, kontrollált üzemi teszt szükséges.
Teljes üzleti eset
A licenc, képzés, eszközök, adatkapcsolat és üzemeltetés költségét is mérni kell; az ár- és termékadatokat naprakészen kell tartani.
10 · Tudományos háttér
Nemzetközi kutatási együttműködés.
A projekt hivatalos címe: A gyapot termesztési költséghatékonyság növelése, a gyapot növekedési periódusának konvolúciós neurális hálózat alkalmazásával történő felismerésével.
Publikáció
Expert-Driven Spraying Phases and Deep Learning-Assisted Decision Support for Karshi/Qashqadaryo Irrigated Cotton Cultivation
DOI: 10.3390/agriculture1613141711 · Kiadvány / PDF
A teljes szakmai összefoglaló egy dokumentumban.
A magyar nyelvű, A5-ös ismeretterjesztő kiadvány a publikált kutatási eredmények közérthető összefoglalója.
- Cím
- Gyapotpermetezés a megfelelő időben – CNN + fuzzy döntéstámogatás
- Lezárás
- 2026. augusztus
- Formátum
- PDF · magyar nyelv · A5