{"id":11525,"date":"2025-04-27T00:19:39","date_gmt":"2025-04-26T22:19:39","guid":{"rendered":"https:\/\/geopard.tech\/?p=11525"},"modified":"2025-04-27T00:19:39","modified_gmt":"2025-04-26T22:19:39","slug":"kuidas-yolov8-pohine-mitme-umbrohu-tuvastamine-edendab-puuvilla-tappispollumajandust","status":"publish","type":"post","link":"https:\/\/geopard.tech\/est\/blog\/how-yolov8-based-multi-weed-detection-boosts-cotton-precision-agriculture\/","title":{"rendered":"Kuidas YOLOv8-p\u00f5hine mitme umbrohu tuvastamine edendab puuvilla t\u00e4ppisp\u00f5llumajandust?"},"content":{"rendered":"

Puuvillakasvatus on Ameerika \u00dchendriikide p\u00f5llumajanduse oluline osa, mis annab majandusele m\u00e4rkimisv\u00e4\u00e4rse panuse. Ainu\u00fcksi 2021. aastal koristasid p\u00f5llumehed \u00fcle 10 miljoni aakri puuvilla, tootes \u00fcle 18 miljoni palli, mille v\u00e4\u00e4rtus oli peaaegu 7,5 miljardit. Vaatamata majanduslikule t\u00e4htsusele seisab puuvillakasvatus silmitsi suure probleemiga: umbrohuga. <\/span><\/span><\/p>\n

Umbrohud, mis on k\u00f5rvalkultuuride k\u00f5rval kasvavad soovimatud taimed, konkureerivad puuvillataimedega oluliste ressursside, n\u00e4iteks vee, toitainete ja p\u00e4ikesevalguse p\u00e4rast. Kui neid kontrollimatult ei kontrollita, v\u00f5ivad need saagikust v\u00e4hendada kuni 50% v\u00f5rra.<\/span>7.5 <\/span>kahekesi<\/span>k\u00f5ik<\/span>i<\/span>o<\/span>n<\/span>.\u00a0<\/span><\/span><\/span><\/span>Lisaks rahalisele koormusele tekitab liigne herbitsiidide kasutamine keskkonnaprobleeme, saastades pinnast ja veeallikaid.<\/p>\n

Nende probleemide lahendamiseks p\u00f6\u00f6rduvad teadlased t\u00e4ppisp\u00f5llumajanduse tehnoloogiate poole \u2013 p\u00f5llumajandusmeetodi poole, mis kasutab andmep\u00f5hiseid t\u00f6\u00f6riistu p\u00f5llutasemel majandamise optimeerimiseks. \u00dcks murranguline lahendus on YOLOv8 mudel \u2013 tipptasemel tehisintellekti t\u00f6\u00f6riist umbrohu reaalajas tuvastamiseks.<\/p>\n

Herbitsiidiresistentsuse t\u00f5us ja selle m\u00f5ju<\/h2>\n

Herbitsiidiresistentsete (HR) puuvillaseemnete laialdane kasutuselev\u00f5tt alates 1996. aastast on muutnud p\u00f5llumajandustavasid. HR-kultuure geneetiliselt muundatakse, et need ellu j\u00e4\u00e4ksid teatud herbitsiidide suhtes, v\u00f5imaldades p\u00f5llumeestel pritsida kemikaale, n\u00e4iteks gl\u00fcfosaati, otse p\u00f5llukultuuridele neid kahjustamata.<\/p>\n

2020. aastaks kasutati 96% USA puuvillakasvatusalast HR-sorte, mis tekitas herbitsiididest s\u00f5ltuvuse ts\u00fckli. Algselt oli see l\u00e4henemisviis t\u00f5hus, kuid aja jooksul arenesid umbrohud loodusliku valiku teel resistentseks.<\/p>\n

T\u00e4nap\u00e4eval nakatavad herbitsiidiresistentsed umbrohud 70% USA farmidest, sundides p\u00f5llumehi kasutama 30% rohkem kemikaale kui k\u00fcmme aastat tagasi. N\u00e4iteks Palmer-amarant, kiiresti kasvav ja suure paljunemisv\u00f5imega umbrohi, v\u00f5ib puuvillasaaki v\u00e4hendada 79% v\u00f5rra, kui seda varakult ei t\u00f5rjuta.<\/p>\n

\"Herbitsiidiresistentsuse<\/p>\n

Rahaline koormus on tohutu: resistentsete umbrohtude t\u00f5rje maksab p\u00f5llumeestele igal aastal miljardeid, samas kui herbitsiidide \u00e4ravool saastab 411 TP3 tonni mageveeallikaid p\u00f5llumaa l\u00e4hedal. Need v\u00e4ljakutsed r\u00f5hutavad pakilist vajadust uuenduslike lahenduste j\u00e4rele, mis v\u00e4hendaksid s\u00f5ltuvust kemikaalidest, s\u00e4ilitades samal ajal saagi tootlikkuse.<\/p>\n

Masinn\u00e4gemine: j\u00e4tkusuutlik alternatiiv umbrohut\u00f5rjele<\/h2>\n

Herbitsiidiresistentsuse kriisile reageerides arendavad teadlased masinn\u00e4gemiss\u00fcsteeme \u2013 tehnoloogiaid, mis \u00fchendavad kaameraid, andureid ja tehisintellekti algoritme \u2013 umbrohtude t\u00e4pseks tuvastamiseks ja klassifitseerimiseks. Masinn\u00e4gemine j\u00e4ljendab inimese visuaalset taju, kuid suurema kiiruse ja t\u00e4psusega, v\u00f5imaldades automatiseeritud otsuste langetamist.<\/p>\n

Need s\u00fcsteemid v\u00f5imaldavad sihip\u00e4raseid sekkumisi, n\u00e4iteks robotumbrohut\u00f5rjevahendeid, mis eemaldavad taimi mehaaniliselt, v\u00f5i nutikaid pritse, mis kannavad herbitsiide ainult vajadusel. Nende tehnoloogiate varajastel versioonidel oli raskusi t\u00e4psusega, sageli tuvastades p\u00f5llukultuure ekslikult umbrohtudena v\u00f5i j\u00e4ttes v\u00e4ikesed taimed tuvastamata.<\/p>\n

S\u00fcva\u00f5ppe \u2013 masin\u00f5ppe alamhulga, mis kasutab andmete anal\u00fc\u00fcsimiseks mitmekihilisi n\u00e4rviv\u00f5rke \u2013 edusammud on aga j\u00f5udlust m\u00e4rkimisv\u00e4\u00e4rselt parandanud. Konvolutsioonilised n\u00e4rviv\u00f5rgud (CNN-id), mis on pildianal\u00fc\u00fcsiks optimeeritud s\u00fcva\u00f5ppe mudeli t\u00fc\u00fcp, paistavad silma visuaalsete andmete mustrite tuvastamisel.<\/p>\n

Mudelite perekond \u201eYolo\u201c (You Only Look Once), mis on tuntud oma kiiruse ja t\u00e4psuse poolest objektide tuvastamisel, on muutunud eriti populaarseks p\u00f5llumajanduses. Uusim versioon, YOLOv8, saavutab umbrohu tuvastamisel t\u00e4psuse \u00fcle 90%, muutes seda t\u00e4ppisp\u00f5llumajanduses revolutsiooniliseks.<\/p>\n

CottonWeedDet12 andmestik: edu alus<\/h2>\n

Usaldusv\u00e4\u00e4rsete tehisintellekti mudelite treenimine n\u00f5uab kvaliteetseid andmeid ja CottonWeedDet12 andmestik on umbrohu tuvastamise uuringute jaoks kriitilise t\u00e4htsusega ressurss. Andmestik on struktureeritud andmete kogum, mida kasutatakse masin\u00f5ppe mudelite treenimiseks ja testimiseks.<\/p>\n

Mississippi Riikliku \u00dclikooli uurimisfarmidest kogutud andmestik sisaldab 5648 puuvillap\u00f5ldude k\u00f5rgresolutsiooniga pilti, millele on lisatud 9370 piiravat kasti, mis identifitseerivad 12 levinud umbrohuliiki. Piirdavad kastid on piltidel huvipakkuvate objektide (nt umbrohtude) \u00fcmber joonistatud ristk\u00fclikukujulised raamid, mis pakuvad t\u00e4pseid asukohti tehisintellekti mudelite treenimiseks. Peamised funktsioonid on j\u00e4rgmised:<\/p>\n