カテゴリー: ユースケース

ウクライナの農業大手VitAgro社は、8万5000ヘクタールに及ぶ農場の統合管理のために、GeoPard社の精密農業ソフトウェアを導入した。

に投稿されました dementievgeopardによる

ドイツ・ケルンおよびウクライナ・キエフ、2025年7月

ヴィタグロ, ウクライナ有数の農業生産者の1つである 85,000ヘクタール（210,000エーカー）, 実施済み ジオパード 精密農業ソフトウェアは、生育期間全体を通してエンドツーエンドの意思決定支援システムとして機能します。このプラットフォームは、計画策定や土壌分析などの生育前準備から、生育期間全体にわたる圃場作業まで、あらゆるワークフローをサポートします。.

ウクライナの農業企業トップ15に入るVitAgroは、土壌管理の改善、可変施肥（VRA）戦略の実施、データ駆動型圃場試験を通じた精密農業手法の財務的影響の定量化を目的として、GeoPardを自社の事業に統合しました。.

“「GeoPardは、複雑なデータを実用的で実行可能な推奨事項に変換することで、圃場管理の方法を変革しました。」. このプラットフォームは、注意が必要な特定の圃場ゾーンを特定する的を絞った土壌サンプリング戦略の構築を支援し、圃場全体に均一に適用するのではなく、ゾーンごとの管理を可能にします。」と述べた。 Oleh Bilan、主任技術者 VitAgroにて。.

Карта потенціалу зон на основі глибоких історичних даних, які демонструють неоднорідність у межах поля

詳細な過去データに基づいた圃場潜在力ゾーニングマップ。圃場内の変動性を示す。

GeoPardを導入することで、VitAgroは体系的に以下のことが可能になります。

  • 正確な情報を作成する 土壌サンプリング計画 現場の変動性に基づく
  • 生成する ゾーン別適用マップ 肥料および農薬製品
  • 実際に適用された処方率と計画された処方率を比較して監視する
  • 精密農業イニシアチブの明確な投資対効果（ROI）指標を算出する
  • 将来の収量および投入管理戦略について、データに基づいた意思決定を行う。

“「GeoPardはウクライナの作物生産者にとって引き続き重要なツールである」と述べた。 ドミトリー・デメンティエフ, GeoPardのCEO。「“精密農業は、将来を見据えた企業にとって、もはや選択肢ではなく必須事項となっている。. 「これにより、コスト最適化とより持続可能な手法による高品質な穀物生産が可能になり、食料安全保障が強化される。」”

実施は、以下の協力のもとで支援されました。 アグリスマート, 農業コンサルティング会社であり、VitAgroとGeoPardの両社と協力して、農業手法の整合性を図り、事業全体への展開を支援している。.

この提携は、デジタル農業がいかに生産性を向上させながら環境責任を果たすことができるかを示す好例です。VitAgroは、圃場の潜在能力ゾーンからVRA（可変資源評価）の推奨事項を作成することで、必要な場所に適切な量だけ資材を投入し、損失と環境負荷を削減します。.

なぜ圃場内変動を測定するのか

GeoPardで作成された生産性ゾーンを使用すると、土壌タイプのばらつきに起因することが多い、単一圃場内のパフォーマンスの違いを容易に把握できます。GeoPardは、農薬散布計画のための管理ゾーンとサンプリングポイントを自動的に生成します。.

План відбору проб カップル、що показує точки відбору проб на основі зон поля

圃場区域に基づいたサンプリング地点を示す土壌サンプリング計画

Відбор проб снові на основі рекомендацій GeoPard

GeoPardの推奨事項に基づく土壌サンプリング

土壌サンプリングと地域別推奨事項

VitAgroは推奨地点で土壌サンプルを採取し、研究所に送付します。そして、多層分析と検証済みの科学的公式に基づいて、ゾーンごとに播種量と施肥量を可変的に調整するためのVRAマップを作成します。.

各ゾーンを分析することで、明確な農業指標が明らかになり、実際の圃場の不均一性を反映した、より正確で費用対効果の高い投入資材の使用が可能になります。.

GeoPard を使用して、GeoPard を使用して、オンライン プログラムを実行します。 Типи грунтів - Після проведення Аналізу в кожній зоні продуктивності отримуємо різні показники.

GeoPard の生産性ゾーン – 異なる土壌タイプに基づいて異なるゾーンを持つ同じ圃場のセクションを視覚的に検査する場合 – 各生産性ゾーンで分析を実行すると、異なる指標が得られます。.

“「GeoPardの幅広い選択肢のおかげで、当社のニーズを完全に満たすことができ、社内の土壌農薬作業ははるかに効率的になり、結果もより正確になりました」と、VitAgroの農薬化学者、オレクサンドル・ペレデリー氏は述べています。「技術は急速に進歩しており、それに追いつくことが重要です。国にとって困難な時期であっても、前進し改善していく努力は良い結果をもたらすと信じています。苦難の中で種を蒔く者は、後に喜びをもって収穫するでしょう。」（詩篇126:5-6）

JOHN DEERE OPS CENTERとの統合

John Deere Ops Centerとの自動統合により、VitAgroは以下のことが可能になります。

  • GeoPardでは、圃場潜在能力マップ、土壌分析、および方程式に基づく計算を用いて、スマートなVRA推奨事項を作成します。
  • ジョンディア社に作業計画書として処方箋を送付してください。これには、播種と施肥のためのさまざまなゾーン形状が含まれます。
  • 季節ごとのパフォーマンス分析のために、実際の適用データをGeoPardに取り込む。

各圃場作業後、データは自動的にGeoPardに送信されるため、作業の精度と各農作業の効果を評価することが可能になります。.

現場における変動金利の実践的な実施

現場での作業は、機器のシームレスな統合によってサポートされます。オペレーターは、GeoPardで生成された処方マップを運転席のディスプレイに直接アクセスできるため、農作業計画を正確に実行できます。.

VitAgroは自社で土壌サンプリング研究所を建設中で、ウクライナ全土の他の農業生産者向けに意思決定支援ツールや肥料推奨情報を提供することでサービスを拡大する計画だ。この事業拡大は、ウクライナにおける精密農業の普及に向けた重要な一歩となる。.

Smart Dosesツールを使用してVRA料金を計画すると、システムが自動的に料金を割り当て、製品ごとの節約額を即座に表示します。.

Вигляд із кабіни мазини, де показано карту VRA, що відображається на моніторі. Розкидач: Amazone ZA-TS 4200. Розкидач, яким проводилось диференційоване внесення.

運転席からのディスプレイに表示されたVRAマップ。散布機：Amazone ZA-TS 4200、可変施肥用。.

統合の影響

予備的な推定によると、統合デジタル管理モデルにより、VitAgroは2025年シーズンにはすでに以下のことを実現できる見込みです。

  • 15-25% 鉱物肥料コストの削減
  • 5-8%は主要作物の収量を増加させる。
  • 事業活動における二酸化炭素排出量の削減

得られたデータは、 精密農業の手法をあらゆる面積に拡大展開する そして、VitAgroの社内専門知識を強化する。.

各企業について

ヴィタグロ ウクライナ有数の農業生産企業であり、85,000ヘクタール（210,000エーカー）の農地を耕作しています。ウクライナのトップ15生産者として、VitAgroは持続可能な農業慣行、技術革新、および業務効率化に重点を置いています。同社は穀物や油糧種子を含む様々な作物を栽培し、生産性目標と環境責任を両立させています。2025年2月には、VitAgroはウクライナ産バイオメタンのEUへの初輸出も完了し、68,000 m³（720 MWh）をドイツに納入しました。 ウクライナから欧州市場へのバイオメタン供給の第一号. vitagro.com.ua

ジオパード 農場管理と農業作業を最適化するために設計された、高度な精密農業ソフトウェアを提供します。このプラットフォームは、土壌データ、衛星画像、機械データ、および農業専門知識を統合し、農家や農業関連企業に実用的な推奨事項を提供します。. geopard.tech

Український аграрний лідер Вітагро впроваджує програмне забезпечення точного землеробства GeoPard для комплексного Єермою

に投稿されました dementievgeopardによる

Кельн, Німеччина, Київ, Україна – 2025年22月22日 – ヴィタグロ, 、одне з провідних сільськогосподарських підприємств України, яке обробляє 85 000 гектарів (210 000 акрів), провадило програмне забезпечення точного землеробства ジオパード як комплексну систему підтримки прийняття ріля всіх етапів аграрного сезону – від підготовки до сезону, Аключаючи планування та аналіз до безпосередньо польових робіт протягом усього вегетаційногоです。

VitAgro は、Україні, нтегрував технологію GeoPard を取得した日の топ-15 から、GeoPard を取得しました。 ёрунтами, впровадження диференційованого внесення добрив та кількісної оцінки фінансових переваг практик точного землеробства через обсрунтовані даними польові випробування.

“「GeoPard трансформував наз підхід до управління полями, надаючи практичні рекомендації на основі всебічного」 аналізу даних”、 – сказав Білан Олег Миколайович, Головний технолог компанії. “Платформа дозволяє нам створювати цільові стратегії відбору проб срунту, які визначають конкретні зони поля, що потребують уваги, що дозволяє здійснювати індивідуальну обробку, а не рівномірне застосування на всіх 「。」

Карта потенціалу зон на основі глибоких історичних даних, які демонструють неоднорідність у межах поля

Карта потенціалу зон на основі глибоких історичних даних, які демонструють неоднорідність у межах поля

Впровадження дозволило Вітагро систематично:

  • Розробляти точні плани відбору проб срунту на основі варіабельності полів
  • Генерувати зонально-специфічні карти внесення добрив та засобів захисту рослин
  • Моніторити фактичні норми внесення у порівнянні з плановими призначеннями
  • Розраховувати точні показники рентабельності для ініціатив точного землеробства
  • Приймати обуправління врожаями даними різення для майбутніх стратегій управління врожаями

“GeoPard продовжує бути важливим для виробників сільськогосподарських культур в Україні”, – сказав Дмитро Дементьєв、генеральний директор GeoPard。 「Впровадження точного землеробства є необхідністю для будь-якого бізнесу, який дивиться в майбутнє, Аиробляючи не лиbolяючи не лиbolяючи не лизпечуючи й якісні зернові з оптимізованими витратами та сталими практиками, забезпечуючи 「」。

Партнерство демонструє, як цифрові аграрні різення можуть підвищити продуктивність, одночасно сприяючи екологічній відповідальності。 Створюючи карти диференційованого внесення на основі потенційних зон поля, Вітагро застосовує ресурси лизе там, де це необхідно, та у відповідних нормах, змензуючи втрати та вплив на навколизнє середовище.

どうですか？ 

GeoPard を使用して、GeoPard を使用して、GeoPard を使用して、 що зумовлені різними типами ͑рунтів。 GeoPard は、最新の情報を提供します。. 

План відбору проб カップル、що показує точки відбору проб на основі зон поля

План відбору проб カップル、що показує точки відбору проб на основі зон поля

Відбор проб снові на основі рекомендацій GeoPard

Відбор проб снові на основі рекомендацій GeoPard

Відбір срунтових зразків

Vitagro здійснює відбір дарунтових зразків у цих точках, передає їх до лабораторій, а далі ‒ на основі багатоварового аналізу та валідованих наукових формул ‒ формує VRA-карти для диференційованого висіву насіння © внесення добрив у кожній зоні。 Після детального аналізу кожної зони виявляються специфічні показники, що дозволяють точніbolе й економнізе застосовувати ресурси, враховуючи неоднорідність полів.

GeoPard を使用して、GeoPard を使用して、オンライン プログラムを実行します。 Типи грунтів - Після проведення Аналізу в кожній зоні продуктивності отримуємо різні показники.

GeoPard – При візуальному огляду ділянок одного поля з різними зонами в основі якого лежать Типи грунтів – Після проведення Аналізу в кожній зоні продуктивності отримуємо різні показники.

“Завдяки сирокій опційності програми Geopard, що цілком задовольняє назі потреби, ми маємо можливість працювати у сфері агрохімічного дослідження дослідження дослідження дослідження назої компанії набагато ефективнізе та досягати кращих табільbol точних результатів。 Це обумовлено назим бажанням йти в ногу з часом,який звидко йде,і технології лиbolим бажанням цейありがとうございます。 Віримо, що назі зусилля та зусилля тих, хто не залисився байдужим в такий не легкий для країни час, жити мирно, рухатися вперед, розвиватися та вдосконалюватися у сфері дослідження усфері дослідження дослідження схатися впереведенні холдингу на повну диференціацію、принесуть добрі плоди。 「それは、私があなたに会いに行くことです。」 Хто з плачем ніс сіяти зерно своє, той повернеться веселий, несучи снопи свої」 (Псалом 126:5-6)」 – Олександр Передерій、Агрохімік VitAgro

ジョン・ディア・オプス・センターの所在地

ジョンディアオプスセンターからVitagroとGeoPardへのVRA-рекомендації (на основі карт) потенціалу поля, агрохімічного аналізу та розрахункових рівнянь), надсилати їх до John Deere як WorkPlan із різними геометріями зон для посіву та внесення добрив, а також підтягувати фактичні карти для сезонної аналітики продуктивності。 GeoPard から、GeoPard へのアクセスが可能です。 виконання та ефективність кожної агротехнічної дії。.

VRA からの評価

Практична реалізація в полі забезпечується через безперебійну інтеграцію з фермерським обладнанням。 Оператори отримують доступ до призначених GeoPard карт безпосередньо в кабінах своїх мазин, що дозволяє точно виконувати агрономічні плани.

Примітно, що Вітагро наразі будує власну лабораторію для відбору проб カップル свої послуги, надаючи інструменти підтримки прийняття різень та рекомендації щодо добрив інзим сільськогосподарським और देखें Україні。 Це розbolерення є значним кроком до більз зирокого впровадження практик точного землеробства в аграрному секторі Араїни.

Планування диференційованих норм (VRA) через інструмент スマート メッセージ: система автоматично розподіляє норми та відразу показує економію для кожного продукту。.

Вигляд із кабіни мазини, де показано карту VRA, що відображається на моніторі. Розкидач: Amazone ZA-TS 4200. Розкидач, яким проводилось диференційоване внесення.

Вигляд із кабіни мазини, де показано карту VRA, що відображається на моніторі. Розкидач: Amazone ZA-TS 4200. Розкидач, яким проводилось диференційоване внесення.

Таким чином, за попередніми розрахунками, інтегрована цифрова модель управління дозволяє «Вітагро» вже у 2025 年 скоротити витрати на мінеральні добрива на 15–25%, 、 підвищити врожайність основних культур на 5-8% та зменсти вуглецевий слід господарства. 。 Отримані дані стануть базою для подальсого масbolеробства на всі площі та зміцнення практик точного землеробства на всі площі та зміцнення внутрівньої експертизи компанії。.

Про компанії:

ヴィタグロ – одне з провідних сільськогосподарських підприємств України, яке обробляє 85 000 гектарів (210 000 акрів) сільськогосподарських угідь。 Як виробник、що входить до топ-15 у країні、Вітагро зосереджується на сталих сільськогосподарських практиках、технологічних інноваціях та операційній ефективності。 Компанія виробляє різноманітні культури, включаючи зернові, олійні та іні сільськогосподарські товари, впроваджуючи передові методи ведення сільського господарства для забезпечення як продуктивності, так і екологічної відповідальності。 У лютому 2025 року Вітагро також здійснила перлий експорт українського біометану до ЄС (партія 68 000 м³ / 720) МВт·год до Німеччини)、ставли перзим постачальником біометану на європейський ринок. ​vitagro.com.ua

ジオパード – постачальник передових програмних різень для точного землеробства, призначених для оптимізації управління Єермерськими господарствами та сільськогосподарськими операціями。 Платформа компанії інтегрує дані про срунт, супутникові зображення, дані мазин та агрономічний досвід, щоб надавати практичні рекомендації для фермерів。. geopard.tech

持続可能な農業における5Gを活用したリアルタイム学習：テンサイに関する研究

に投稿されました Muhammad Farjadによる

この度、ノルトライン＝ヴェストファーレン州経済・産業・気候変動・エネルギー省からの部分的な資金援助を受けて実施された「持続可能な農業におけるリアルタイム学習を可能にする5Gネットワーク」プロジェクトが無事完了したことをご報告いたします。.

この取り組みは、農業における5G技術の変革の可能性を探る上で重要な一歩であり、特にテンサイ栽培の生態学的、経済的、そして持続可能性を高めることを目的としている。.

このシステムは、5Gの低遅延性を活用して高度な情報技術システムをリアルタイムで統合し、センサーデータや位置情報データに対して事前に定義された時間枠内で即座に対応できるようにした。.

ハム＝リッペシュタット応用科学大学（HSHL）で開催されたプロジェクト発表会の最終イベントの写真
ハム＝リッペシュタット応用科学大学（HSHL）で開催されたプロジェクト発表会の最終イベントの写真

プロジェクトの焦点とパートナーシップ

HSHLのパートナーとの協力、およびPfeifer & Langenの支援のもと、本プロジェクトはパートナー所有の圃場におけるテンサイ栽培の全ライフサイクルを研究することに焦点を当てました。その目的は、5Gがノルトライン＝ヴェストファーレン州の農業分野においていかに重要な技術触媒となり得るかを実証し、イノベーションと効率化を促進する可能性を示すことでした。.

GeoPard農業の役割

GeoPard Agricultureは、植物の検出、モニタリング、生産予測などのシナリオを含む、プロジェクトの主要な側面を定義し、実装する上で重要な役割を果たしました。当社は、5G農業環境に特化したプロトタイプAIシステムを開発し、クラウドインフラストラクチャ内でモデルを実行し、クラウドベースのモデルとリアルタイムで連携できるモバイルアプリケーションを作成しました。.

技術統合

高度な計算能力を備えた堅牢なクラウドインフラストラクチャを介して、人工知能（AI）の手法が導入されました。AIアルゴリズムは、交配のたびに植物をリアルタイムで分類し、生育サイクル全体を通して成長を監視することで、データ収集のためだけの不必要な現地訪問を排除しました。.

この技術革新により、機械学習アルゴリズムを用いて交配時に施肥量を動的に調整することで、肥料や農薬を正確に散布することが可能になった。.

無人車両の配備

さらに、このプロジェクトでは5Gの低遅延性を活用し、植物の監視とデータ収集のために無人車両を配備しました。これらの車両は、リアルタイムの情報を収集し、農業慣行をさらに最適化する上で重要な役割を果たしました。.

プロジェクトの成果：5G技術によるテンサイ生産の向上

本プロジェクトは、テンサイ栽培のライフサイクル全体を分析することで、5G技術がノルトライン＝ヴェストファーレン州の農業分野において変革をもたらす可能性を示し、5G技術によって実現される大幅な改善点を明らかにしました。しかし、プロジェクトの成果を効率的に実証するために、研究者たちはさまざまなシナリオとインフラストラクチャを含む作業パッケージを使用しました。.

テンサイ試験圃場
テンサイ試験圃場

既存の地理データと機械学習インフラストラクチャを考慮したシナリオ定義

このプロジェクトは、5G技術の統合によって、テンサイ生産ライフサイクルにおける従来のプロセスをどのように強化できるかを実証しました。主な目的は以下のとおりです。

  • 植物の認識、監視、生産予測のための、すぐに導入可能なシナリオを開発した。.
  • これらのシナリオを正常に展開するために必要な技術要件を確立した。.
  • 5Gネットワークがもたらす付加価値を評価するために、関連する生態学的および経済的指標を特定し、評価した。.

このフェーズでは、最先端技術を既存の農業慣行に統合するというプロジェクトの取り組みが強調されました。このアーキテクチャは、5Gネットワークの高速接続を活用し、エッジデバイスとクラウド間のリアルタイムデータ収集と処理を容易にしました。クラウドインフラストラクチャは、大規模なAIモデルのトレーニングと展開に不可欠なリソースを提供し、AIプラットフォームは、モデル開発と展開のための強力なツールを提供しました。アプリケーション層は、AIモデルから得られた実用的な洞察をエンドユーザーに提示し、意思決定能力を向上させました。.

5Gにおける機械学習とAI

このパートの焦点は、既存の機械学習およびAIシステムを上記のシナリオに適合させ、それに応じて最適化することでした。主な目標は以下のとおりです。

  • システムの目標を定義し、システムのアーキテクチャを開発する。
  • AIモデルのトレーニングと検証のために、正解データを収集した。.
  • 植物の識別とモニタリングに特化した適切なデータベースを構築し、注釈を付けた。.
  • AIモデルを5Gネットワークインフラにシームレスに統合する。.

この段階では、5G技術を利用した携帯電話SIMを搭載したエッジデバイスが重要な役割を果たしました。レイテンシやエンドツーエンド（E2E）レイテンシなどの主要業績評価指標（KPI）が綿密に監視されました。測定項目には、受信データパケットの信頼性と可用性の正確な評価、ユーザーデータレートとピークデータレートの分析などが含まれていました。.

さらに、伝送制御プロトコル（TCP）を介して送信されるMP4形式のUHD解像度ビデオのストリーミングを前提とした仮定が立てられました。検討された潜在的な解決策には、連続ビデオストリームではなく単一画像で最適化すること、エッジデバイス上で直接基本最適化を実行すること、および効率を高めるためにモデル量子化技術を実装することなどが含まれます。.

クラウドインフラストラクチャとAWSサービス

このプロジェクトは、AWSのLambda、SageMaker、S3、CloudWatch、RDSなどのサービスを活用したクラウドインフラストラクチャに大きく依存しており、これらのサービスはAIモデルのトレーニングとデプロイに必要なリソースを提供する上で重要な役割を果たしました。.

AWS Lambdaは、効率的なインスタンス管理とアプリケーション配信に活用され、AWS SageMakerは堅牢な機械学習パイプラインの構築を容易にしました。S3、CloudWatch、RDSなどのストレージソリューションは、機械学習モデルやニューラルネットワークの運用に不可欠なデータセットとログの保存に欠かせませんでした。.

AWSクラウドインフラストラクチャ
AWSクラウドインフラストラクチャ

したがって、このインフラストラクチャは、5Gネットワークによって実現されるリアルタイムデータ処理機能を支えていた。.

5Gネットワークの遅延

5Gネットワークは、通常1～10ミリ秒という超低遅延を実現するように設計されました。この遅延は、モバイルデバイスとAWSサーバー間でデータが5Gネットワークを介して伝送されるのにかかる時間を表しています。高性能プロセッサを搭載したスマートフォンでの写真撮影や処理速度など、デバイス固有の処理能力も遅延に影響を与えます。.

5Gネットワーク上のデータアップロード速度と写真のサイズは、AWSへのデータ転送時間に影響を与えました。AWSは、ニューラルネットワークベースの検出やセグメンテーションなどのタスクの処理時間によって遅延をさらに増加させました。これらの処理時間は、アルゴリズムの複雑さとAWSサービスの効率によって変動しました。処理後、結果はモバイルデバイスにダウンロードされましたが、その速度は5Gのダウンロード速度と結果データのサイズによって左右されました。.

AIを用いた植物認識

植物認識の分野では、AIを活用したプロセスとして、ニューラルネットワークに基づくアルゴリズムを訓練するための植物画像の包括的なデータベースが作成されました。これらのアルゴリズムは、葉の形や花の色など、特定の植物種に特有の特徴を認識することで、テンサイを他の植物と区別するように訓練されました。.

テンサイ植物の生育段階
テンサイ植物の生育段階。出典： https://www.mdpi.com/2073-4395/11/7/1277

ここでいう植物認識とは、雑草の検出とテンサイ植物のセグメンテーションというタスクを指します。.

  • 雑草検出

雑草検出には、大規模なデータ拡張と重み付きサンプリングを用いて学習させたMobileNet-v3が採用されました。このモデルは、0.984という高い精度と0.998というAUCを達成しました。.

  • 砂糖大根のセグメンテーション

セグメンテーションタスクでは、YOLACT、ResNeSt、SOLO、U-netなどのモデルを用いて、画像内の個々のテンサイサンプルを正確に識別しました。そして、速度や推論時間などの様々な基準に基づいて、最も効率的なモデルを選択しました。セグメンテーション用のデータは、ドローンで撮影したRGB画像から取得し、トレーニングと検証のためにサイズ変更と注釈付けを行いました。.

セグメンテーション作業では、植物の境界を正確に区別するマスクを作成しました。この方法により、人間の注釈作業を削減しつつ、効率を最適化しました。困難なサンプルのラベル付けを優先することで、モデルのパフォーマンスが大幅に向上しました。反復的な再学習と不確実性サンプリング戦略は効果的であることが証明され、様々な成長段階において98%を超えるセグメンテーション精度を達成しました。.

セグメンテーションの入出力例
セグメンテーションの入出力例
  • モデル評価

このモデルは、厳密なデータ拡張を用いて学習されました。モデルは、Intersection over Union (IoU) を含むさまざまな指標を用いて評価されました。構築されたモデルの推論分析は、「plant seedlings v2」データセットのサブセットで実行され、81% の精度を示しました。推論時間は、セッションごとに 1 回のみ必要な 7 秒間の初期化期間の後、約 320 ミリ秒かかりました。.

人工知能（AI）を活用した植物モニタリングでは、カメラとセンサーが植物の重要なデータを取得し、機械学習とAIアルゴリズムによって分析されます。この分析は、植物の健康状態を評価し、ストレス、病気、または成長に影響を与えるその他の要因を特定する上で重要な役割を果たします。.

その応用範囲は、農業生産性の最適化から、森林などの自然生態系のモニタリング、保全活動の支援、環境影響の理解促進まで多岐に渡る。.

プラント監視における物体検出

テンサイの植物体をセグメント化した後の次の段階は、健康状態、成長、その他の要因に関して各植物の特性を把握することを目的とした物体検出です。植物モニタリングにおける物体検出には、YOLOv4、MobileNetV2、アテンション機構を備えたVGG-19などの高度なモデルが用いられました。これらのモデルは、セグメント化されたテンサイの画像を分析し、特定のストレスや病害領域を検出することで、正確かつ的を絞った介入を可能にします。.

本プロジェクトは、ImageNetで事前学習済みのResNet-18およびResNet-34モデルを用いて、病害検出において重要な成果を達成しました。これらのモデルは、テンサイ植物に影響を及ぼす病害の識別において、0.88という驚異的な精度を示し、ROC曲線下面積（AUC）は0.898でした。モデルは高い予測信頼性を示し、病害植物と健全植物を正確に区別しました。.

物体検出の入出力例
物体検出の入出力例

本プロジェクトでは、病害検出に体系的なアプローチを採用し、画像を標準化されたパッチに分割しました。これらのパッチは、インタラクティブなツールを使用して綿密な注釈付けを行い、病害の影響を受けている領域を特定しました。さらに、物体検出によって植物の周囲に境界ボックスを描画することで精度が向上し、植物の健康状態を正確にモニタリングすることが可能になりました。.

植物生産予測

植物生産予測の分野では、AIモデルは気象条件や土壌パラメータなどの環境データを活用して作物の収量を予測した。アイソレーションフォレスト、線形回帰、リッジ回帰などの回帰モデルが用いられた。.

これらのモデルは、境界ボックス領域から抽出された数値的特徴と土壌データを統合し、肥料散布を最適化する。.

試験圃場のテンサイ
試験圃場のテンサイ

モデル展開に関する考慮事項

開発されたモデルの展開戦略は、エッジデバイスとクラウドプラットフォームの両方について評価された。エッジデバイスにモデルを展開することで、コスト削減やレイテンシの低減といった利点が得られた。.

しかし、このアプローチではハードウェアの制約により、精度が低下する可能性がある。一方、クラウド展開では高性能GPUを使用することで推論時間を短縮できるものの、追加コストが発生する可能性があり、インターネット接続に依存するため通信遅延が生じる可能性がある。.

5Gネットワークとの比較分析

比較分析の結果、5Gネットワークの利用は、従来の4G/WiFi環境と比較して、テンサイのセグメンテーションを大幅に向上させることが実証されました。この改善は、平均セットアップ時間とネットワーク時間の短縮によって裏付けられ、5G技術によって達成された効率性の向上を明確に示しています。.

  • データ準備プロセス

データ準備プロセスでは、健全な植物と病気の植物のデータセットを収集し、雑草を検出し、生育段階を特定し、4Kの生ビデオから画像を抽出しました。ヒストグラム均等化、画像フィルタリング、HSV色空間変換などの技術を用いて、データを分析用に準備しました。.

健康なテンサイの葉のサンプルと、灰色葉斑病にかかったトウモロコシの葉などの病気のサンプルを採取した。病害の特徴抽出には、葉を背景から分離し、画像のサイズを変更、変換、および合成して、分析用のリアルなサンプルを作成する作業が含まれた。.

セグメンテーションのためのアノテーションプロセス
セグメンテーションのためのアノテーションプロセス
  • アクティブラーニングループ

ラベルなしデータを用いて能動的な学習ループが開始され、検出モデルのトレーニングに利用されました。これらのモデルはアノテーションクエリを生成し、人間のアノテーターがそれに対応することで、反復的なトレーニングとアノテーションのサイクルを通じてモデルの精度が継続的に向上しました。.

  • マルチモーダル基盤モデルによるデータ注釈

ラベル付きデータが限られているという課題に対処するため、本プロジェクトでは堅牢な基盤モデルを活用して正解アノテーションを生成しました。特に、OpenAIが開発したトランスフォーマーベースのモデルであるCLIPは、4億組を超える画像とテキストのペアからなる膨大なデータセットで学習されており、極めて重要な役割を果たしました。.

CLIPは、ビジョン・トランスフォーマーを基盤として、検証セットにおいて驚異的な95%の精度を達成し、砂糖大根や雑草といった明確なクラスに画像を高精度で分類することに成功した。.

  • データ収集のためのドローン技術

このプロジェクトで採用された重要な技術の一つは、4K動画を撮影できるRGBカメラを搭載したドローンの使用でした。これらのドローンは、分析用の詳細な画像（解像度3840×2160）を提供しました。.

これらの画像を前処理することでモデルの精度が大幅に向上し、VGGNet（+38.52%）、ResNet50（+21.14%）、DenseNet121（+7.53%）、MobileNet（+6.6%）などのモデルで顕著な改善が見られました。.

ヒストグラム均等化などの技術を用いて画像のコントラストを高め、HSV色空間への変換によって植物領域を強調し、関連する特徴を際立たせた。.

  • 合成データ生成

画像データが限られているという課題に対処するため、機械学習とAIを用いて合成データセットを生成した。データ収集は、RGBカメラを搭載したドローンを用い、高度1m～4m、速度2m/s以上で飛行させて行った。.

エミュレーション環境
エミュレーション環境

トラクターなどの他の車両もデータ収集に利用された。この合成データ生成は、テンサイの病害検出に特に有効であることが証明された。.

結論

「持続可能な農業におけるリアルタイム学習を可能にする5Gネットワーク」プロジェクトは、5G技術がテンサイ栽培の生態学的、経済的、そして持続可能性をどのように向上させることができるかを実証することに成功しました。HSHLおよびPfeifer & Langenとの共同研究により、このプロジェクトはリアルタイムデータ収集とAIによる分析を統合し、効率性を向上させ、不要な現地訪問を削減しました。.

専用の5Gキャンパスネットワークにより、肥料や農薬の精密散布が可能になりました。Geopard Agricultureは、植物の検出とモニタリングのシナリオ開発、および5G農業環境向けプロトタイプ機械学習システムの構築において重要な役割を果たしました。このプロジェクトの成功は、持続可能な農業における先端技術の重要性を改めて示し、5Gがイノベーションと効率性を促進する可能性を浮き彫りにしました。.

精密農業におけるGeoPardを用いた持続可能な農業の経済的影響の可視化

に投稿されました Muhammad Farjadによる

バイエルン州農業研究所（LfL）とGeoPard Agricultureの研究者らは、持続可能な農業のための帯状間作システムの経済性について共同研究を行った。彼らは、ホーエンハイム大学で開催された「デジタル農業による生物多様性の促進」と題するイベントで、環境に優しい農業手法とその経済的影響に焦点を当て、研究成果を発表した。.

彼らのプロジェクト「未来の作物栽培」は、特に帯状間作に焦点を当て、新しい農業手法を探求することを目的としていた。この技術は、同じ畑の中で異なる作物を帯状に並べて栽培するもので、化学肥料の使用量を減らし、生物多様性を高めることができる。研究者たちは、農家にとって収益性を維持しながら、より環境に優しい農業を実現する方法を見つけたいと考えていた。.

LfLのオリビア・スパイクマン氏とマルクス・ガンドルファー氏、そしてGeoPardのヴィクトリア・ソロキナ氏が主導するこの共同研究は、EITフードアクセラレータープログラム中に始まりました。彼らは農業、デジタルツール、データ分析に関する知識を活用し、持続可能な農業慣行の経済的側面を研究することに着手しました。.

その間 合成肥料の使用量削減と生物多様性の向上という観点から、彼らは帯状間作の生態学的可能性については十分に研究されていることを突き止めた。しかし、特に自律型機器を用いた場合の機械化と労働経済性については、さらなる評価が必要である。.

研究者たちは、特に新しい技術に関して、農家がその実用性について確信が持てないことを発見した。この問題を解決するため、研究者たちは帯状間作の圃場実験室で農家と話し合い、彼らの懸念を理解し、より良いコミュニケーションを図ろうとした。.

さらに、景観の変化は農家の不安を招く可能性があるため、事前に明確な情報を提供することが重要です。したがって、視覚化などのデジタルツールは、農家と地域社会とのコミュニケーションを促進し、生態系に有益な景観の変化に対する受容と評価を高めるのに役立ちます。.

例えばニュージーランドでは、農家が仮想現実（VR）ゴーグルを使って植林に適した地域を視覚化し、農場の収益性、景観美、農村コミュニティへの影響を示すことで、農場規模の計画策定を支援した。こうした視覚化は、農家の景観変化に対する理解と関心を高めることができるが、その成功は農家の自信にも左右される。.

同様に、本研究では、クラウドベースのプログラムであるGeoPardを用いて、帯状間作生産システムを多角的な視点から分析した。GeoPardの計算式は、Future Crop Farmingプロジェクトの実証データを用いてパラメータ化された。初期結果としては、除草剤と窒素の投入量および収量の可視化が示されており、今後さらに複雑な計算も計画されている。.

除草剤散布マップ

さらに、このシステムは以下のような様々なデータソースを統合しました。

  • 収量および投入量データセット
  • 農作物および植物保護に関する価格情報（ユーザー提供）
  • 衛星画像（センチネル2、ランドサット、プラネット）
  • 地形データ
  • GeoPardで利用可能な履歴データのゾーンマップ

一方、主な手法としては、空間解析とNumPyフレームワークを用いた効率的な空間データ処理が用いられた。データは.xlsxファイルと.shpファイルから取得した。ただし、シェープファイルには個々の区画に関する詳細な情報が不足していたため、様々なデータ形式を統合する必要があった。.

GeoPardは、データを空間的に整理し、区画ごとの詳細情報を現場のそれぞれの位置と関連付けることを容易にした。そのため、区画を表示する統合データセットは、GeoPardにおける記述的試験分析の基礎となった。.

今回の研究では投入資材の可変施肥については検討していませんが、GeoPardの高解像度マッピング（ピクセルサイズ：3×3メートル）により、ピクセルレベルでの詳細な可視化が可能となり、複雑さが増しました。この詳細なマッピングは、複数のレイヤーを組み合わせたり、研究プロジェクトで試験区コンバインによって収集された小規模な収量データに基づく「収量プロファイル」など、より空間的に変動する情報を統合したりするなど、将来の応用において非常に有用です。.

作物ごとの収量マップを全体表示し、ピクセルレベルの詳細を表示するために拡大表示しました。

研究者たちはまた、GeoPardは主に記述的な機能に用いられてきたものの、より複雑な視覚化の可能性を秘めていることを発見した。例えば、サブストリップレベルの収量データと価格情報を組み込むことで、隣接する作物ストリップ間の境界効果を示す利益マップを作成できる可能性がある。.

さらに、労働経済データを統合することで、規模の経済を縮小して生物多様性を促進することの影響を明らかにすることができる。このようなデータはシナリオモデリングに役立ち、さまざまな輪作、畝幅、機械化の種類を検討し、圃場ごとの結果に焦点を当てることで、農業管理と意思決定を改善することを可能にする。.

したがって、このシステムはデジタルツインとして機能し、現場の機械やセンサーからGeoPardへリアルタイムでデータを転送することが可能であり、これは既に一部の市販技術や衛星データで実現されている機能である。しかし、農家が技術的な互換性について懸念していることから、より幅広い適用性を実現するためには、追加のデータソースを統合する必要があることが強調される。.

GeoPard社がウクライナの大手農業持株会社MHPの精密農業を強化

に投稿されました dementievgeopardによる

Introduction

In a landmark move for agriculture in Ukraine, MHP, a major grain producer overseeing an impressive 350,000 hectares (almost 900,000 acres), has partnered with GeoPard. This collaboration signifies a major advancement in precision agriculture, incorporating GeoPard’s sophisticated geospatial analytics into MHP’s extensive farming operations.

MHP’s Commitment to Technological Innovation in Precision Agriculture

MHP’s dedication to technological innovation, especially in the realm of precision farming, is profoundly exemplified in its partnership with GeoPard Agriculture. This collaboration is central to MHP’s strategy of integrating cutting-edge technologies for more efficient and sustainable farming practices.

Pavlo Nesterenko, Head of the Precision Farming Service Group at MHP, delves into the transformative nature of their partnership with GeoPard Agriculture: “Working with GeoPard has been a game-changer. It’s shifted our approach from relying on gut feeling to making decisions based on hard data. Through GeoPard’s sophisticated technology, we’re implementing precise, sub-field agronomy recommendations that are specifically tailored for each plot’s unique requirements.”

This paradigm shift, facilitated by the integration with GeoPard Agriculture, has enabled MHP to leverage the full potential of data analytics and machine learning.

“This shift towards data-centric farming is crucial for MHP, keeping us at the cutting edge of the agricultural sector. We’re pioneering new standards in efficiency, sustainability, and productivity, grounded in quantifiable, number-based decision-making,” Nesterenko concludes.

MHP’s adoption of this advanced, data-driven methodology marks a significant advancement in agricultural practices, underscoring the growing importance of empirical data and precision in modern farming. This innovative approach positions MHP as a leader in the field, setting new benchmarks in agricultural efficiency and success.

GeoPard’s Integral Role in MHP’s Agricultural Strategy

GeoPard Agriculture’s integration with MHP goes beyond providing advanced tools; it’s about embedding geospatial data-driven precision and efficiency in MHP’s farming practices. By closely collaborating with MHP’s teams, GeoPard guarantees a wide range of sophisticated geospatial agronomic calculation options for MHP, aligning closely with their operational framework. This partnership focuses on measuring applied agronomy, ensuring that MHP’s decisions are data-driven and precisely tailored to their agricultural needs. The seamless data flow between MHP, GeoPard, and other platforms like John Deere and FieldView creates a connected ecosystem, optimizing MHP’s farming operations for the future.

Ensuring Agronomic Precision and Quality Assurance

In the realm of precision agriculture, GeoPard Agriculture’s RX vs. VRA Map Comparison stands as a testament to their commitment to agronomic precision and quality assurance. This tool highlights the effectiveness of GeoPard’s algorithms in identifying and addressing discrepancies in various agronomic operations such as seeding, fertilizing, or spraying. By accurately pinpointing issues on both a sub-field and machine level, GeoPard ensures that each agronomic operation adheres to the highest standards of quality and precision.

This map comparison is not just about identifying differences in planned and actual applications; it’s a crucial component in the quality assurance process of agronomic operations. By providing a detailed and accurate assessment of every aspect of field management, GeoPard’s technology ensures that operational practices meet the intended outcomes, maintaining the highest level of efficiency and accuracy.

Harvesting Analysis

For harvesting, GeoPard’s system slices yield datasets by day and by machine, segmenting data into Wet Mass, Moisture, and Speed. This facilitates a detailed performance analysis of each harvester, providing valuable insights into the harvesting process efficiency.

 

Merged Yield dataset, collected by several machines in different days

Merged Yield dataset, collected by several machines on different days

As-Applied & As-Planted Application Accuracy Calculations

In operations like spraying, seeding, and fertilizing, GeoPard’s technology segments datasets by day, machine, and application rate. It then compares the target versus actual applied rates, and clustering results to determine application accuracy. This feature is essential in understanding and improving the precision of these critical agricultural tasks.

Clusterization of factual As-Planted vs VRA prescription map

A key aspect of this technology is its ability to automatically merge machinery and agronomic operation data from various agronomic activities, such as seeding, fertilizing, or spraying. This automated integration of data is crucial for accurately identifying discrepancies between planned and actual applications at both a sub-field and machine level.

Operational Enhancements Led by GeoPard’s Technology

GeoPard Agriculture’s platform is renowned for its ability to translate agronomic knowledge into precise calculations using the EquationMap engine and a multi-layered data approach. This technical synergy has notably improved crop quality and sustainability, particularly for wheat, corn, and sunflower.


Oleksii Leontyev, Precision Agriculture Project Manager at MHP, emphasizes the dynamic nature of this integration: “Implementing GeoPard’s API into our systems has transformed our agricultural operations, allowing us to make data-driven decisions in real-time via converting every executed agronomic operation into measurable numbers from machine level to corporation level.”

GeoPard - MHP - 360° degree field analytics: Field Potential, Harvesting, Soil and GPS Topography GeoPard – MHP – 360° degree field analytics: Field Potential, Harvesting, Soil, and GPS Topography

GeoPard CTO on the Collaboration

Dzmitry Yablonski, CTO of GeoPard Agriculture, reflects on the project’s scale: “This collaboration with MHP is one of the most significant and technically complex in precision agriculture history. I share the vision of MHP to digitalize every operation and automate decision-making around agronomy with a purely data-driven approach. We’re honored to contribute to the success of Ukraine’s large-scale agribusiness.”

ジョンディア・オペレーションセンター統合

The collaboration between GeoPard Agriculture and MHP is highlighted by the integration of GeoPard as the core analytics engine with John Deere Ops Center and MHP’s machinery. This bi-directional synchronization enables the efficient, automated processing of comprehensive datasets, covering as-applied, as-planted, and harvesting data. This integration plays a vital role in amending data, increasing data completeness, and providing value-added insights, significantly advancing precision farming practices.

The Digital Agro 360° Business Intelligence Farming Dashboard

The field potential map offers a comprehensive view of an agricultural field, showcasing zones with varying crop potentials. It reflects differences in soil quality levels, and overall crop health, emphasizing the field’s topography and spatial variability. This map is instrumental in demonstrating how GeoPard’s analytics can adeptly manage and optimize diverse agricultural conditions.

Through the Digital Agro 360° Business Intelligence Farming dashboard, MHP has unprecedented visibility into its operations. This robust platform allows MHP to track all data aggregated from their extensive farming activities, filtered per machine, crop, or day.

The dashboard serves as a nerve center for MHP’s precision farming operations, presenting a unified view of the various data streams flowing in from the fields. It enables a level of oversight that simplifies complex datasets into actionable insights, empowering MHP with the ability to make strategic decisions rapidly. The harvesting dashboard, for instance, provides near real-time data on yield, moisture content, and the operational pace of harvesting equipment per productivity zone.

The Digital Agro 360° Business Intelligence Farming Dashboard

The Digital Agro 360° Business Intelligence Farming Dashboard

The Way Forward: Integrating Comprehensive Data for Full-Cycle Precision Agriculture

Looking to the future, MHP, in collaboration with GeoPard Agriculture, is championing digitalization and data-driven management in crop production with precision agriculture, emphasizing innovation and sustainable practices. This forward-thinking approach is grounded in integrating comprehensive data layers, encompassing all farm operations, soil sampling information, and detailed analytics.

MHP is leveraging GeoPard’s technology to incorporate a wide array of data into their agricultural models. This includes detailed insights from every farming operation, resulting in advanced analytics such as subfield profit maps and efficiency assessments of agricultural inputs. This holistic approach not only enhances operational efficiency but also ensures sustainable farming practices.

Viktor Martseniuk, Head of the Scientific and Innovation Center at MHP, articulates the company’s vision: “At MHP, our commitment to innovation in agriculture goes hand in hand with our dedication to sustainability. By integrating comprehensive data, including soil analysis and farm operations, we can make more informed decisions that positively impact both our productivity and environmental footprint.”

This integrated strategy, combining MHP’s innovative approach with GeoPard’s advanced analytics, is set to redefine precision farming. It promises enhanced sustainability while maximizing economic returns, thereby establishing MHP and GeoPard Agriculture as leaders in the global arena of precision agriculture.

Universal Application of GeoPard’s Engine

ドミトリー・デメンティエフ, CEO of GeoPard Agriculture, emphasizes the broad applicability of their technology: “GeoPard’s engine is designed to bring tangible benefits to any crop farm business. Our platform is versatile and adaptable, capable of delivering advanced analytics and precision farming solutions to a wide range of agricultural contexts. Whether it’s a small family farm or a large agribusiness like MHP, GeoPard is poised to make a significant impact, driving efficiency, sustainability, and profitability in the agricultural sector globally.”

This statement from Dementiev underscores GeoPard’s commitment to providing universal solutions in precision agriculture, catering to diverse farming needs and scales across the globe.

結論

The collaboration between GeoPard Agriculture and MHP marks a significant progression in the field of precision agriculture. By harnessing advanced geospatial analytics, this partnership sets a new benchmark in agricultural efficiency and sustainability, paving the way for a data-driven future in farming practices. This partnership between GeoPard Agriculture and MHP combines cutting-edge technology with extensive farming expertise, setting a new standard in precision agriculture and showcasing the potential of technology-driven farming solutions.

企業概要

MHP: MHP is one of Ukraine’s leading agribusinesses, managing an extensive area of over 350,000 hectares. Renowned for its grain production, MHP integrates innovative agricultural practices and technologies, emphasizing sustainable and efficient farming. Their commitment to modernizing agriculture aligns with their goal of enhancing productivity while maintaining environmental stewardship.


ジオパード: GeoPard Agriculture is at the forefront of precision agriculture technology. Specializing in geospatial analytics, GeoPard provides solutions that transform complex agricultural data into actionable insights. Their technology focuses on optimizing various aspects of farming, from soil analysis to VRA maps, remote sensing, and ag equipment data analytics, contributing significantly to the advancement of smart farming practices.

References:

スティックストフ・エフィツィエンツ。 LVA のアンウェンドゥングスフォール – ジョン・ディア・ヘンドラー・オーストラリア

に投稿されました Muhammad Farjadによる

近代的な世界のランドヴィルトシャフトのステーヘン ランドヴィルテ ヴォル ザールライヒェン ヘラウスフォルダーンゲンでは、クリマワンデルのオースヴィルクンゲンを訪れ、最高の世界を体験することができます。私は、Stickstoff の管理者 Herausforderungen steht das の管理者であり、Nährstoff の管理者として、Umgang zu erheblichen Umweltfolgen führen kann を管理しています。.

無限のグループは、Lösungen と Spielveränderer Hervor: Stickstoffnutzungseffizienz (NUE) と Stickstoffaufnahme (NU) を保持しています。 NUE と NU bieten ein neues は、ランドヴィルトシャフトのプラクティケンとヴァンデルン ヘラウスフォルダーウンゲンのパラディグマを、自然な状態と効率的なランドヴィルトシャフトで実現します。.

John Deere 氏、ヘルステラー フォン ランドマシーネン氏、ヘルステラー フォン ランドマシーネン氏、ヘラウスフォルダーンゲン氏の役割を果たしています。 HarvestLab GrainSensing System は、Rohprotein のデータを取得し、Pflanzen ermöglicht の Verständnis der Stickstoffdynamik に追加されました。 John Deere は統合現代技術を開発し、Landwirtschaft nachhaltiger zu gestalten を開発しました。.

ジョン ディア ヘンドラーは LVA のパートナーとして最高のパートナーとなるでしょう。 LVA は、ドイツの革新者ジョン ディア ヘンドラーであり、新しい技術の統合と農業戦略の構築に携わっています。.

Ihre Rolle ist wesentlich、um Landwirte dabei zu unterstützen、die Komplexität der modernen Landwirtschaft zu bewältigen und sicherzustellen、dass sie die verfügbaren Technologien最適な状態、um ihre Praktiken zu optimieren。.

In den fruchtbaren Böden der Magdeburger Börde liegt die Baumgärtel GbR, ein Familienbetrieb mit 30 Jahren landwirtschaftlicher Tradition, wo Weizen eine der Hauptkulturen ist.最適な管理を行うために、スティックストフ管理が最適化され、グローバル環境の問題が解決されます。.

GeoPard、Präzisionslandwirtschaftssoftware の管理者、Bindeglied の機能、Säulen – John Deere、LVA および Landwirte、Baumgärtel GbR – の詳細情報。 GeoPard は、管理および自動分析プロゼッセの日付を確認し、操作関連の日付を補償します。.

秋には、Stickstoffnutzungseffizienz (NUE) Landwirten eine Perspective、Durch die sie ihre Praktiken betrachten und veressern können、und gewährleistet Nachhaltigkeit und Effizienz in jedem Aspekt ihrer Tätigkeit を参照してください。.

ホフ・バウムゲルテルのスティックストック管理

Die Baumgärtel GbR unter der Leitung von Friedrich Baumgärtel Nutzt das Potenzial der datengesteuerten Landwirtschaft, um ihre Düngestrategien zu verfeinern und neue Techniken einzuführen, alles mit dem Ziel, ihre agronomischen Praktiken zu veressern。.

スティックストフ管理の全体戦略。 Das Jahr 2023 brachte einen nassen Frühling und einen trockenen Frühsommer in die Magdeburger Börde、は zu durchschnittlichen Erträgen führte でした。ええと、グリーン シーカー テクノロジのおかげで、家族のバウムガーテルが見つかりました。グリーン シーカー テクノロジが見つかりました。.

HarvestLab GrainSensing System を設定すると、ロープロテインゲハルトが完全に取得されます。 Anschließend wurde mit GeoPard der Stickstoffverbrauch der Pflanzen geschätzt は、Präzision ermöglichte による Stickstoffnutzungseffizienz (NUE) の死でした。.

Für die Familie Baumgärtel ist NUE zu einem wesentlichen Maßstab geworden.これは、問題を解決する戦略ではなく、田園アンパスンゲンにあるベライヒェを識別します。 Zonen、in denen die NUE under 80 % liegt、planen sie、die Stickstoffanwendung in der folgenden Saison zu reduzieren。.

Im Gegensatz dazu erfordern Bereiche、in denen die NUE 100 % übersteigt、eine eingehende Analyse。 Eine Herausforderung、von der sie erwarten、dass sie mehrere Saisons sorgfältiger Beobachtung und Lernens erfordern wird。.

Zusammenarbeit zwischen LVA & GeoPard Agriculture

Im Jahr 2022 は、Allianz zwischen GeoPard および dem Landmaschinenunternehmen LVA Altenweddingen GmbH、ドイツの革新的な John Deere-Händler の戦略を推進します。 Diese Zusammenarbeit entstand aus einer gemeinsamen Vision heraus, die umfangreichen Daten von John Deere in handlungsrevante Felderkenntnisse umzusetzen.

パートナーシャフトの重みとコンツェントリアートは革新的なものであり、ランドヴィルトシャフトリッヒェン プラクティケン デュルチ デートンゲンシュトゥエルテ エンシャイドゥンゲン ツー バーベッセーンです。 In den folgenden Abschnitten werden wir hervorheben, wie Landwirte ihren Stickstoffeinsatz 最適な状態です。.

Michael Eckhardt 氏、精密農業部門ライター LVA, 、 äußerte: “Die Synergie zwischen GeoPard und LVA ist mehr als nur eine Geschäftspartnerschaft; es ist ein Engagement, angewandte agronomische Praktiken durch datengesteuerte Entscheidungen zu Revolutionieren. Diese Zusammenarbeit ist darauf ausgerichtet、Landwirten veresserte agronomische Einsichten zu ermöglichen。.

LVA は、John Deere-Geräten の農業環境を制御し、HarvestLab GrainSensor System を使用して、データを収集します。 GeoPards Analyse-Engine は、関連するデータと情報を正確に把握します。.

Gemeinsam は、Allianz のパートナー、daauf fokussiert ist、Die Praktiken der Landwirte (wie etwa im Bereich des Stickstoffmanagements) zu veressern、durch die Kombination des Besten aus Maschinen- und Softwarewelten を目指します。」”

Datenerfassung und -aufbereitung

Im Zentrum dieser datengetriebenen landwirtschaftlichen Entwicklung steht die nahtlose zwischen GeoPard と John Deere オペレーション センターの統合. 。 Diese Zusammenarbeit veranschoulicht die zentrale Rolle von John Deere bei der Bereitstellung von Datenzugang über ihre API、eine Maßnahme、die den Datenfluss aus den landwirtschaftlichen Feldern erheblich bereichert。.

統合は、John Deere オペレーション センターでの運用に関する情報を収集し、GeoPard に関する情報を収集します。 Dieser sofortige Datenabrufprozess umfast Erntevorgänge (ロープロテインとクラフトストフの詳細情報を含む) を使用して、Spritzen、Düngen、Säen und Bodenbearbeitung の Anwendungen を確認します。.

John Deere の詳細な説明は次のとおりです。 GeoPard-Plattform の主要な機能は、Maschinendaten の機能を備えた Kompatibilität であり、API の機能を最大限に活用しています。.

GeoPards システムの Durch einem nahtlosen Datenfluss は、Landwirte mit nahezu Echtzeitanalysen ausgestattet を意味します。自動的に分析を開始し、スティックストフナットツングセフィツィエンツの分析を行い、ランドヴィルテ zeitnahe und handlungsrelevante Einblicke zur Hand haben を表示します。.

フェルド

Im Jahr 2023 は、Baumgärtel GbR vor der Herausforderung、das Wachstum auf dem Feld zu optimieren を支持します。 Dafür wurde viermal Stickstoff ausgebracht、beginnend mit SSA im 2 月、gefolgt von drei Anwendungen von AHL im Frühjahr。.

うーん、非常に優れた技術を開発し、最高の技術を見つけることができます。 HarvestLab グレインセンシング システムは、ロープロテインの制御を最適化するために最適なシステムです。.

エルンテ

Entdecken Sie die Feinheiten der neuesten Ernte vom 2023-08-08 anhand der folgenden スクリーンショット。 GeoPard の監視下で、John Deere オペレーション センターの自動化と自動化が行われ、Datenebenen Rohprotein と feuchter Masse の調査が行われ、迅速な対応が行われます。.

Rohprotein-Daten: Ernte 2023-08-08                               
Feuchtmasse-Daten: Ernte 2023-08-08

Obwohl Erntedaten gelegentlich variationen aufweisen können, erhöht die Implementierung der エルトラグスカリビエリング die Analytische Genauigkeit erheblich。 Dies gewährleistet zuverlässige Erkenntnisse, auch bei außergewöhnlichen Werten wie 19 t/ha für Weizen。 Die kalibrierte feuchte Masse ist unten dargestellt。.

Kalibrierte Daten zur Feuchtmasse: Ernte 2023-08-08

Stickstoffprodukten からの管理と管理

Während der Saison 2023 wurde der Weizenbestand mit einem sorgfältig geplanten Stickstoffapplikationsregime behandelt, das vier unterschiedliche Behandlungen umfasste. Dazu gehörte eine Anwendung von SSA-Produkten am 2023-02-23, gefolgt von drei Stickstoffanwendungen im Frühjahr mit AHL am 2023-03-18、2023-04-06 und 2023-05-13。スクリーンショットを文書化します。.

スティックストファンウェンドゥン: 2023-02-23 SSA
スティックストファンウェンドゥン: 2023-03-18 AHL
スティックストファンウェンドゥン: 2023-04-06 AHL                          
スティックストファンウェンドゥン: 2023-05-13 AHL

GeoPard の詳細については、John Deere オペレーション センターの概要を参照してください。 Stickstoffnutzungseffizienz (NUE) と Stickstoffaufnahme (NU) を効率よく分析します。正確な情報を保証し、正確な農業運営と戦略を実現するための情報を提供します。.

ゲザムター・アンゲウェンデター・スティックストフ

Stickstoff (TAN) の数値は、Stickstoff の累積的な数値であり、絶対的な Zahlen als kg/ha で測定されます。 Dieser Wert ergibt sich aus der Summe der tatsächlich während der Anbausaison aufgebrachten Stickstoffprodukte。.

Um die höchste Genauigkeit in der Bewertung zu gewährleisten, wurden nur tatsächlich angewendete Daten verwendet und Ziel- und Planwerte ausgeschlossen.アイン ソルチャー アンザッツ berücksichtigt auch Stellen mit über- und unterdosiertem Stickstoff。.

ウム ティファー アインツステイゲン、ハーベン ウィール ジーデン クアドラトメーター ウンターシュト、ウム デン ランドヴィルテン アイン ディテールリテス Verständnis für die pro Hektar aufgebrachten Stickstoffmengen zu bieten。 Die Karte unten fast die Informationen aus allen vier Stickstoffanwendungen zusammen und bietet einen einheitlichen Überblick über die Verreilung des während der Saison aufgebrachten Stickstoffs。.

すべての統計情報は、絶対的な Zahlen angegeben、gemessen (kg/ha) で表示されます。 Die farbkodierte Darstellung erleichtert die 解釈: Rot kennzeichnet Bereiche mit dem geringsten aufgebrachten Stickstoff, während Grün Regionalen mit dem höchsten aufgebrachten Stickstoff anzeigt。.

ゲサムタンウェンドゥン スティックストフ 2023

スティックストッフアウフナフメ

Stickstoffaufnahme (NU) は、Stickstoff と、Pflanzen während ihrer Wachstumsperiode aufnehmen を与えます。うーん、新しいコンポーネントの詳細については次のとおりです: (1) ロープロテイン メッスン、John Deere グレインセンシング システムの迅速な情報、および (2) 正確な分析。.

Bei Weizen wird die NU-Vertailung in Absoluten Werten angegeben、gemessen (kg/ha)。詳細な地理情報と統計情報を取得し、画面を表示するスクリーンショットを確認してください。.

Stickstoffaufnahme 2023
Stickstoffaufnahmens の統計

Stickstoffnutzungseffizienz

Stickstoffnutzungseffizienz (NUE) は、Prozent での Stickstoff zum insgesamt aufgetragenen Stickstoff を定量化します。 Stickstoffaufnahme (NU) と最適な範囲の Stickstoff (TAN) を使用すると、100% が理想的になります。 Dies zeigt, dass die Pflanzen fast den gesamten aufgetragenen Stickstoff verbraucht haben, was den Ertrag optimiert.

Jedoch deuten NUE-Werte um 50% auf eine Überanwendung mit übrig gebliebenem Stickstoff im Boden hin, während Werte über 100% eine Unteranwendung anzeigen, wobei die Pflanzen Stickstoffreserven aus früheren Jahren Nutzen。.

Beide Szenarien sind unerwünscht: Ersteres das Risiko einer Überdüngung, während letzteres den Boden erschöpft. Diese Balance wird in der Karte unten visuell dargestellt, wobei Bereiche nahe 50% NUE in Rot und solche nahe 100% in Grün gefärbt sind.

スティックストフナットツンセフィツィエンツ 2023
2023 年のスティックストフナットの設定のクラスター化
Vereilung der Stickstoffnutzungseffizienz 2023

Stickstoffüberschuss

Der Stickstoffüberschuss (NS) missst die Differenz zwischen dem gesamten angewendeten Stickstoff (TAN) und der Stickstoffaufnahme (NU)、die die Pflanzen während einer Saison verbrauchen、ausgedrückt inAbsoluten Werten als kg/ha。 Im Wesentlichen zeigt er die Menge an Stickstoff an, die von den Pflanzen nicht genutzt wurde.

Dies spielt eine entscheidende Rolle bei der Planung der Stickstoffanwendung für die nachfolgende Saison。 Die geografische und statistische Verreilung dieses ungenutzten Stickstoffs, vertail über das Feld, kann in der unten bereitgestellten Karte eingesehen werden.

スティックシュトフ・ウバーシュス 2023

フェルグライヒ フォン エルンテマス ウント ロープロテイン

Das Verständnis von Rohproteindaten ist wesentlich bei der Messung der Ernte, da es Einblicke in die ernährungsphysiologische Qualität und den potenziellen Marktwert der Ernte bietet. HarvestLab GrainSensing System は、Rohprotein の情報を収集し、スクリーンショットを参照し、正確な情報を提供します。.

Rohprotein-Daten: Ernte 2023-08-08               
Kalibrierte Feuchtmasse-Daten: Ernte 2023-08-08

ええと、データは 12,5% と 12,5% と einen Schwellenwert für die Nassmasse der Ernte von 7,9 t/ha です。 Basierend auf diesen Schwellenwerten verwenden wir die Begriffe "höher" und "niedriger", um zu beschreiben, wie die beobachteten Daten in Bezug auf diese festgelegten Standards stehen.

自然環境を維持し、自然環境を維持しながら、自然環境を維持し、環境を改善することができます。.

非常に優れた組み合わせにより、ロープロテインとナスマスの視覚化を実現します。 Diese umfassende Darstellung identifiziert vier unterschiedliche Szenarien:

  1. エルトラグヘヘルアルス 7,9 t/ha mit タンパク質ヘヘルアルス 12,5%
  2. エルトラグ・ヘヘル・アルス 7,9 t/ha mit タンパク質ニードリガー・アルス 12,5%
  3. エルトラグ ニードリガー 7,9 t/ha mit タンパク質ヘヘル 12,5%
  4. エルトラグ ニードリガー als 7,9 t/ha mit タンパク質 ニードリガー als 12,5%
エルトラグ vs. プロテインバーテイルング 2023

Schlussfolgerung

  1. データ: John Deere オペレーション センターとの統合は、Grundlage für alle nachfolgenden Analysen bildet の地理情報を確認するために必要です。 HarvestLab GrainSensing システムとその評価に関するデータを収集します。 Zusammen gewährleisten sie eine beispiellose Genauigkeit bei den Berechnungen。.
  2. Stickstoffaufnahme (NU) Stickstoff (TAN) との意見: Diese beiden Kennzahlen sind für Landwirte von größter Bedeutung, die das Gleichgewicht und die Dynamik von Stickstoff in ihren Feldern verstehen möchten。 Gemeinsam bieten sie ein vollständiges Bild des Stickstoffkreislaufs über eine Saison hinweg.
  3. スティックストフナットツングセフィツィエンツ (NUE): 新しい情報は、Feld の情報を収集します。 Indem Bereiche mit unterschiedlichen NUE-Werten identifiziert werden, können Landwirte Möglichkeiten zur Verfeinerung ihrer Stickstoffanwendungsstrategien erkennen und die gesamten agronomischen Praktiken veressern。.
  4. Stickstoffüberschuss (NS): NS liefert entscheidende Erkenntnisse は、変動レート アプリケーション (VRA) の戦略を決定するための戦略です。重要な情報は、Stickstoffs können Landwirte informationerte Entscheidungen treffen、um ihre Anwendungsplane anzupassen です。.

ランドヴィルトは、Wendepunkt における分析を分析するために、より正確な情報を提供します。これは、スティックストファンウェンドゥング ツー エレヒェンの Gleichgewicht bei der です。.

最高の人生、フェインハイテンを追求し、最高のパフォーマンスを発揮し、世代を超えて最高のボーデンスを手に入れましょう。.

Über die Unternehmen

ジオパード これは、ソフトウェアを開発するためのリーダーです。 Das Unternehmen wurde 2019 はドイツ、ケルンで開催され、多くのイベントが開催されます。 GeoPard は、Lösungen の環境、Landwirten helfen の最適化と Erträge zu sreigern の評価に最適です。地球環境と再生可能性を追求し、地球規模での活動を促進します。.

John Deere、Corteva Agriscience、Pfeifer & Langen、IOWA Soybean Association および Viele Andere と協力して、パートナーと協力してください。.

LVA, Landmaschinen Vertrieb Altenweddingen, ist ein langjähriges mittelständisches Unternehmen mit Niederlassungen in ザクセン アンハルト州、ブランデンブルク ウント ニーダーザクセン州。 Der Schwerpunkt liegt auf Verkauf、Export、Vermietung、Händlerwerkstatt- und Ersatzteilservice für Landmaschinen sowie agronomischen Dienstleistungen。ヨーロッパのジョン・ディア・ヘンドラーンは、LVA zu den erfolgreichsten 30 Jahren gehört を訪問しています。.

Die agronomische Abreilung von LVA bietet Dienstleistungen wie Beratung im Bereich Präzisionslandwirtschaft、Bodenscannen und Datenanalyse sowie ein RTK-Netzwerk für GPS-Korekturen です。.

Heute arbeiten 100 Mitarbeiter am Standort Altenweddingen und weitere 220 Kollegen an den anderen Standorten in Niedersachsen、Brandenburg und Sachsen-Anhalt。 Darunter befinden sich etwa 40 Auszubildende。.

窒素利用効率。LVA（ドイツのジョンディア販売店）の事例。

に投稿されました Muhammad Farjadによる

変化の激しい現代農業の世界において、農家は気候変動の影響、肥料価格の高騰、そして環境的に持続可能な農業手法の緊急な必要性など、多くの課題に直面している。これらの課題の中心となるのが窒素の管理である。窒素は重要な栄養素であり、適切に管理されないと、深刻な環境問題を引き起こす可能性がある。.

しかし、こうした複雑な状況の中で、窒素利用効率（NUE）と窒素吸収量（NU）という2つの指標が解決策および画期的な指標として浮上しています。NUEとNUは農業実践における新たなパラダイムを提示し、課題を持続可能で効率的な農業のための機会へと変えます。.

農業機械の大手メーカーであるジョンディアは、これらの課題への取り組みにおいて極めて重要な役割を果たしています。同社は、HarvestLab GrainSensing Systemを通じて、粗タンパク質に関する重要なデータを提供し、作物における窒素動態をより詳細に理解することを可能にしています。さらに、ジョンディアは、農業の持続可能性を高めるための最新技術の導入を支援しています。.

この取り組みにおいて、LVAのようなジョンディアの販売店は重要な協力者となります。ドイツにある革新的なジョンディア販売店であるLVAは、農家と緊密に連携し、新しい技術の導入や高度な農業戦略の実施を支援しています。彼らの役割は、農家が現代農業の複雑さを乗り越え、利用可能な技術を最大限に活用して農業を最適化できるよう支援する上で不可欠です。.

肥沃なマクデブルガー・ベルデの土壌には、30年の歴史を持つ家族経営の農場、バウムゲルテルGbRの物語が息づいています。小麦は、この農場の主要作物のひとつです。この農場では、窒素の精密な管理は、作物の収量を最適化するだけでなく、地球規模の環境問題に直面する中で、持続可能な農業への取り組みを象徴するものです。.

精密農業ソフトウェアのリーディングプロバイダーであるGeoPardは、John Deere、LVA、そしてBaumgärtel GbRのような農家といった、これらの柱となる企業を結びつける接着剤のような役割を果たしています。GeoPardはデータ管理を簡素化し、分析プロセスを自動化することで、データを実用的な洞察へと変換します。この事例では、窒素利用効率に焦点を当てることで、農家が自らの農法を見直し、改善するための視点を提供し、事業運営のあらゆる面で持続可能性と効率性を確保します。.

バウムゲルテル農場の窒素管理

フリードリヒ・バウムゲルテル氏のリーダーシップの下、バウムゲルテル家は、データ駆動型農業の可能性を積極的に活用し、施肥戦略の改良や新技術の導入などを通じて、農業技術の向上を目指している。.

彼らの戦略の中心は窒素管理である。2023年はマクデブルガー・ベルデでは春は雨が多く、初夏は乾燥していたため、収穫量は平均的だった。こうした状況に対応するため、バウムゲルテル家は圃場ごとの手法を用いて窒素施肥量を精密に調整した。.

さらに、収穫した穀物中の粗タンパク質を測定するために、HarvestLab GrainSensing Systemを使用しました。その後、GeoPardを用いて作物の窒素消費量を推定し、窒素利用効率（NUE）を高精度で算出しました。.

バウムゲルテル家にとって、窒素利用効率（NUE）は不可欠な指標となっている。NUEは、窒素施肥戦略の調整が必要な領域を特定するのに役立つ。NUEが80%を下回る地域では、翌シーズンの窒素施肥量を削減する予定だ。一方、NUEが100%を超える地域では、詳細な分析が必要となる。彼らは、この分析には複数シーズンにわたる綿密な観察と学習が必要になると考えている。.

LVAとGeoPard Agricultureの協力関係

2022年、GeoPardは、ドイツの革新的なJohn Deere販売店であるLVA農業機械企業Altenweddingenと戦略的提携を締結しました。この提携は、John Deereの膨大なデータを活用して、現場で役立つ知見を得るという共通のビジョンから生まれました。.

それ以来、このパートナーシップは発展を続け、データに基づいた意思決定を通じて農業慣行を改善する革新的な方法に焦点を当ててきました。以下のセクションでは、農家が窒素利用を最大限に活用する方法をご紹介します。.

マイケル・エックハルト氏、精密農業部門責任者 LVA, 「GeoPardとLVAの相乗効果は、単なるビジネスパートナーシップにとどまらず、データに基づいた意思決定を通じて応用農業の実践に革命を起こすというコミットメントです」と述べた。.

この提携は、農家の方々に高度な農業知識を提供することで、農家の方々の能力向上を支援することを目的としています。LVAは、拡充された農業サービスを通じて、HarvestLab GrainSensorシステムなどのジョンディア製機器の強みを活かし、重要なデータを収集します。.

一方、GeoPardの分析エンジンはこのデータを処理し、実用的な情報を提供します。このパートナーシップは、機械とソフトウェアのそれぞれの強みを組み合わせることで、農家の農業慣行（窒素管理など）の改善に重点を置いた提携関係を形成します。’

データ収集と準備

このデータ駆動型農業進化の中心にあるのは GeoPardとJohn Deere Operations Center間のシームレスな統合. この協力関係は、ジョン・ディアがAPIを通じてデータアクセスを提供する上で果たす重要な役割を象徴するものであり、農業現場から得られるデータフローを大幅に充実させるものです。.

この統合により、ジョンディア・オペレーションセンターで作業内容が記録されるとすぐに、GeoPardが迅速にデータを収集します。この即時データ取得プロセスは、収穫（粗タンパク質含有量や燃料消費量などの詳細情報を含む）や、散布、施肥、播種、耕起などの作業を対象としています。.

この効率的な接続はジョンディア社に限ったものではありません。GeoPardのプラットフォームの基本原則は、様々な機械データプロバイダーとの互換性であり、APIを介した接続を容易にすることです。.

GeoPardのシステムにデータがシームレスに取り込まれることで、栽培者はほぼリアルタイムの分析結果を活用できるようになります。この迅速なデータ転送は、窒素利用効率分析などの自動分析スイートを開始するための基盤となり、栽培者がタイムリーで実用的な情報をすぐに得られるようにします。.

分野

2023年、Baumgärtel GbRは圃場での生育最適化という課題に直面しました。これを実現するため、窒素肥料は4回施用され、2月にSSAを施用した後、春にAHLを3回施用しました。これらの施用は、圃場ごとに最適化された方法で実施されました。さらに、HarvestLab GrainSensing Systemは、収穫された穀物中の粗タンパク質の分布を明らかにする上で重要な役割を果たしました。.

収穫

以下のスクリーンショットを通して、2023年8月8日付けの最新収穫データの詳細な内容をご覧ください。GeoPardがJohn Deere Operations Centerから自動的に取得したこの重要なデータセットは、収穫時に取得された粗タンパク質と湿重量のデータレイヤー間の繊細なバランスを示しています。.

粗タンパク質データ：収穫日 2023年8月8日
湿重量データ：収穫日 2023年8月8日

収穫データは時折変動を示すことがありますが、 収率校正 分析精度が大幅に向上します。これにより、小麦の収量が19 t/haといった異常値であっても、信頼性の高い分析結果が得られます。校正済みの湿質量を以下に示します。.

校正済み湿重量データ：収穫日 2023年8月8日

窒素肥料を用いた施肥作業

2023年シーズンを通して、小麦作物は綿密に計画された窒素施肥計画に従って処理されました。この計画には、4つの異なる処理が含まれています。具体的には、2023年2月23日にSSA製品を施用し、その後、2023年3月18日、2023年4月6日、2023年5月13日にAHLの春季窒素施用を3回実施しました。各処理で施用された正確な量は、提供されたスクリーンショットに記載されています。.

窒素施肥：2023年2月23日 SSA
窒素施肥日：2023年3月18日 AHL
窒素施肥日：2023年4月6日 AHL
窒素施肥日：2023年5月13日 AHL

GeoPardは、ジョンディア・オペレーションセンターからこれらのデータセットをシームレスに取得することで、このプロセスにおいて重要な役割を果たしました。この効率的なデータ取得により、窒素利用効率（NUE）と窒素吸収量（NU）の包括的な分析が可能になりました。このデータを詳細に分析することで、生の情報を貴重な知見へと変換し、農業作業と戦略の向上への道が開かれます。.

総施用窒素量

総施用窒素量（TAN）は、圃場に施用された窒素の累積量を、kg/haの絶対値で表したものです。この指標は、作付け期間を通して実際に施用された窒素製品の合計から算出されます。.

評価の精度を最大限に高めるため、目標値と計画値は除外し、実際に施用されたデータのみを使用しました。この方法により、窒素の過剰施用箇所と不足施用箇所も考慮に入れることができます。.

さらに詳しく調査するため、各平方メートルごとに窒素施用量を詳細に分析し、栽培農家の方々に1ヘクタールあたりの窒素施用量に関する詳細な情報を提供しています。下の地図は、4回にわたる窒素施用に関する情報を統合し、そのシーズンの窒素施用量分布を一元的に示しています。.

提示されている統計データはすべて絶対値で、単位はkg/haです。色分け表示は解釈を容易にするために用いられており、赤色は窒素施肥量が最も少ない地域を、緑色は施肥量が最も多い地域を示しています。.

2023年の総施用窒素量

窒素吸収

窒素吸収量（NU）は、植物が生育期間中に消費する窒素の総量を表します。NUを正確に計算するには、次の2つの重要な要素を考慮する必要があります。（1）HarvestLab GrainSensing Systemで取得した粗タンパク質の測定値、および（2）収穫された総収量。.

小麦の場合、窒素利用率（NU）の分布は絶対値（kg/ha）で表されます。圃場全体の窒素利用率の詳細な地理空間的および統計的表現は、添付のスクリーンショットで確認できます。.

窒素吸収量 2023年
窒素吸収量の統計分布（2023年）
窒素吸収量の統計分布（2023年）

窒素利用効率

窒素利用効率（NUE）は、施用した窒素総量に対する消費された窒素量の比率をパーセントで表したものです。先に述べた窒素吸収量（NU）と施用窒素総量（TAN）から算出されるNUEは、100%に近い値が理想的であり、これは植物が施用された窒素のほぼ全てを消費し、収量を最適化していることを示しています。.

しかし、NUE値が50%前後であれば、土壌中に残留窒素が存在する過剰施肥を示唆し、100%を超える値であれば、施肥不足を示し、植物は前年度の窒素貯蔵量から窒素を吸収していることを示す。.

どちらのシナリオも望ましくありません。前者は過剰施肥のリスクがあり、後者は土壌を枯渇させるからです。このバランスは下の地図に視覚的に示されており、50% NUEに近い地域は赤色、100%に近い地域は緑色で示されています。.

窒素利用効率 2023年
窒素利用効率のクラスター化 2023
窒素利用効率のクラスター化 2023
窒素利用効率分布 2023年
窒素利用効率分布 2023年

窒素過剰

窒素余剰量（NS）は、施肥総窒素量（TAN）と植物が1シーズン中に消費する窒素吸収量（NU）との差を、絶対値（kg/ha）で表したものです。これは基本的に、植物が利用せずに残した窒素量を示しており、翌シーズンの窒素施肥計画を立てる上で極めて重要な役割を果たします。.

この未利用窒素の地理的および統計的な分布は、圃場全体に広がっており、下記の地図で確認できます。.

窒素過剰量 2023年

収量と粗タンパク質の比較

粗タンパク質データを理解することは、収量を測定する上で不可欠です。なぜなら、粗タンパク質データは作物の栄養価と潜在的な市場価値に関する洞察を与えてくれるからです。粗タンパク質の測定にはHarvestLab GrainSensingシステムが使用されており、収量との関連性を示すスクリーンショットを参考資料として添付します。.

粗タンパク質データ：収穫日 2023年8月8日
校正済み湿重量データ：収穫日 2023年8月8日

データを分類・理解するために、タンパク質含有量の閾値を12.5%、収量（湿重量）の閾値を7.9t/haと設定しました。これらの閾値に基づき、「高い」と「低い」という用語を用いて、観測データがこれらの基準値とどの程度関連しているかを明確に示します。これらの指標を比較検討することで、今後の作付けシーズンにおける農作業の改善・強化に役立つ貴重な知見を得ることができます。.

単一のマップ上に複数の指標を組み合わせることで、粗タンパク質と湿重量の関係が視覚化されます。この包括的な表現により、4つの異なるシナリオが特定されます。

  1. 収量は7.9t/ha増加し、タンパク質含有量も12.5%増加した。
  2. 収量は7.9t/haと高く、タンパク質含有量は12.5%と低い。
  3. 収量は7.9t/haと低いが、タンパク質含有量は12.5%と高い。
  4. 収量は7.9t/ha低下、タンパク質含有量は12.5%低下
収量とタンパク質分布の関係（2023年）

結論

1. データ: GeoPardはJohn Deere Operations Centerとシームレスに統合することで、リアルタイムかつ正確なデータ収集を実現し、その後のすべての分析の基盤となります。HarvestLab GrainSensing Systemからの実際の測定データと実際の適用データの統合は不可欠です。これらを組み合わせることで、比類のない計算精度が保証されます。.
2. 窒素吸収量（NU）および全施用窒素量（TAN）これら2つの指標は、作物栽培者が圃場における窒素のバランスと動態を理解する上で極めて重要です。これらを合わせることで、生育期間を通じた窒素のライフサイクル全体像を把握できます。.
3. 窒素利用効率（NUE）： NUEは、圃場における窒素利用の全体的な有効性を評価するための重要な指標です。NUE値が異なる領域を特定することで、作物栽培者は窒素施肥戦略を改善し、全体的な農業慣行を向上させる機会を見出すことができます。.
4. 窒素過剰量（NS）： NSは、来シーズンの可変施肥（VRA）戦略に影響を与える重要な知見を提供します。利用されずに残った窒素量を把握することで、農家は施肥計画を調整するための情報に基づいた意思決定を行うことができます。.

農家の視点から見ると、正確なデータ収集と洞察力に富んだ分析を組み合わせることは、まさに画期的なことです。窒素施肥のバランスを取るだけではなく、持続可能な方法で作物を栽培し、最高の収穫量を確保し、将来のシーズンに向けて土地の健全性を維持するという、複雑なプロセスを理解することが重要なのです。.

企業概要

ジオパード GeoPardは、精密農業ソフトウェアのリーディングプロバイダーです。2019年にドイツのケルンで設立され、グローバルに事業を展開しています。同社は、農家が業務を最適化し、収穫量を増やすのに役立つ幅広いソリューションを提供しています。持続可能性と再生型経済に重点を置き、GeoPardは世界中で精密農業の実践を推進することを目指しています。.

同社のパートナーには、ジョン・ディア、コルテバ・アグリサイエンス、ファイファー＆ランゲン、アイオワ大豆協会など、多くの有名ブランドが含まれています。.

LVA, アルテンヴェッディンゲンにある農業機械企業LVAは、ザクセン＝アンハルト州、ブランデンブルク州、ニーダーザクセン州に支店を持つ、長年にわたり事業を展開している中堅企業です。農業機械の販売、輸出、レンタル、ディーラー向けワークショップおよびスペアパーツサービス、そして農業関連サービスに重点を置いています。LVAは30年以上にわたり、ヨーロッパで最も成功しているジョンディアのディーラーの一つです。.

LVAの農学部は、精密農業コンサルティング、土壌スキャン、データ分析、GPS補正のためのRTKネットワークなどのサービスを提供しています。.

現在、アルテンヴェッディンゲン拠点には100名の従業員がおり、ニーダーザクセン州、ブランデンブルク州、ザクセン＝アンハルト州の他の拠点にはさらに220名の従業員がいます。その中には約40名の研修生が含まれています。.

GeoPardの利益マップのご紹介：精密農業における新たな一歩

に投稿されました Muhammad Farjadによる

スクリーンショットの例に示されている利益マップは、施肥、種まき、2回の農薬散布、収穫といった、実際に実施されたデータセットを考慮に入れています。土地の準備やその他の雑費など、その他の費用も計算に追加できます。.

精密農業は、効率性と収益性の向上を目指すデータ駆動型のアプローチです。精密農業ソリューションの大手プロバイダーであるGeoPardは、Profit Mapsの導入により、データ分析機能を強化しています。.

この機能は、サブフィールドレベルでの収益性を視覚的に表示することで、より的確な意思決定と資源配分を可能にします。どのフィールドで収益が上がっているか、どのフィールドで投入コストや変更費用が見合っていないかを一目で把握できます。.

利益マップは、播種量、農薬散布量、肥料使用量、収穫量などの様々なデータレイヤーを統合して作成されます。これらの情報は、農業機械およびジョンディア・オペレーションセンターから直接取得されます。.

GeoPardは、各投入要素のコストを考慮した独自の計算式を用いて、ゾーンごとの収益性を算出します。これらの収益マップは、異なる圃場ゾーンにおける収益の分布を包括的に把握できる情報を提供します。.

GeoPardの利益マップの重要な機能の一つは、圃場の異なるゾーンにおける利益のばらつきを表示できることです。これはドル、ユーロ、または任意の通貨で計算され、農家が各エリアでどれだけの利益を上げているかを明確に示します。.

農家はこうした情報をすぐに利用できることで、農業資材をどこでどのように使用するかについて、より的確な判断を下せるようになる。.

例えば、収益性の高い分野への投資を増やしたり、収益性の低い分野では戦略を見直したりする可能性があります。このような詳細なデータ分析こそが、GeoPardの利益マップを他社と差別化する要素です。.

GeoPardのマネージングディレクターであるウラジミール・クリンコフ氏は、このツールの変革的な可能性を強調し、「これらの地図によって、農家は畑の各ヘクタールにおける資源配分とコストについてより情報に基づいた意思決定を行い、より効果的に事業計画を立てることができる」と述べている。“

Profit Mapsの実用性は、既に実際の現場で実証されています。ジョンディアの正規ディーラーであるユーラシアグループ・カザフスタンは、この機能を活用して業務の最適化を図っています。.

ユーラシア・グループ・カザフスタンLLPの農業管理ディレクター、エフゲニー・チェスノコフ氏は、自身の経験を次のように語っています。「GeoPard AgricultureのProfit Mapのおかげで、パートナー企業の農地の収益性についてより深く理解することができました。」.

これにより、農家は資源配分に関してより戦略的な意思決定を行うことが可能になり、最終的には業務効率の向上と収益指標の改善につながった。」”

GeoPardのプロフィットマップは、精密農業における大きな進歩であり、農家が経営を最適化し、収益性を最大化するために必要な情報を提供します。農業が進化を続ける中で、このようなツールは農業の未来を形作る上でますます重要な役割を果たすようになるでしょう。.

精密農業における収益性マップの開発と応用に関するより詳しい情報については、以下の資料をご参照ください。 カンザス州立大学, アスペクジット, チリ農業研究ジャーナル, 米国農務省, 、 そして ResearchGate.

GeoPardは今後も革新を続け、精密農業における可能性の限界を押し広げていきますので、今後の最新情報にご期待ください。.

各企業について：

ジオパード は、精密農業ソフトウェアの大手プロバイダーです。2019年にドイツのケルンで設立され、グローバルに事業を展開しています。同社は、農家が業務を最適化し、収穫量を増やすのに役立つ幅広いソリューションを提供しています。.

GeoPardは、持続可能性と再生型経済に重点を置き、世界中で精密農業の実践を推進することを目指しています。.

同社のパートナーには、ジョン・ディア、コルテバ・アグリサイエンス、ICL、ファイファー＆ランゲン、アイオワ大豆協会、カーネル、MHP、シュアグロースなど、数多くの有名ブランドが含まれています。.

ユーラシアグループ・カザフスタン は、スイス企業ユーラシア・グループAGのカザフスタン駐在事務所であり、2002年以来、カザフスタン共和国とキルギスタン共和国におけるジョン・ディアの公式ディーラーです。同社は、JCB、ヴェーダースタッド、グリム、リンゼイといった世界有数のメーカーの農業ソリューションを提供しており、作物栽培と園芸のあらゆる分野を網羅しています。.

ユーラシア・グループ・カザフスタンは、事業活動全体を通して精密農業技術に多大な注意を払い、農業のデジタル化製品で機械ラインナップを充実させています。.

ユーラシア・グループ・カザフスタンは、カザフスタンに14か所、キルギスタンに1か所の地域事務所を構え、550名以上の従業員（そのほぼ半数がアフターサービス担当者）を擁する広範な地域ネットワークを有し、独自の農業経営・デジタル化部門も有している。.

長年にわたり、カザフスタンには1万3000台以上の機器が納入され、440万ヘクタールの土地がデジタル化されました。同社は今年、創立25周年を迎えます。.

GeoPardのフィールドポテンシャルマップと収量データの比較

に投稿されました dementievgeopardによる

GeoPardのフィールドポテンシャルマップは、非常によく まさに収量と同じ データ。.

私たちはそれらを作成するために 多層分析 歴史的情報、地形、および裸地分析に基づいている。.

このようなプロセス 合成収量マップは自動化されています （そして特許取得済み）で、世界中のどの分野でも約1分で生成できます。.

 

GeoPardのフィールドポテンシャルマップと収量データの比較

以下のものの基礎として使用できます。

電位マップとは何ですか？

圃場潜在力マップ（収量潜在力マップまたは生産性潜在力マップとも呼ばれる）は、圃場内における作物の潜在収量または生産性の空間的なばらつきを視覚的に表現したものです。これらのマップは、土壌特性、地形、過去の収量データなど、作物の生育に影響を与える様々な要因を分析することによって作成されます。.

これらの地図は、精密農業において、肥料の可変施用、灌漑、その他の投入資材といった管理上の意思決定を導くために使用できるほか、特別な注意や管理方法が必要な地域を特定するためにも使用できる。.

圃場潜在力マップを作成する際に一般的に考慮される主な要素には、以下のようなものがあります。

  1. 土壌の特性： 土壌の質感、構造、有機物含有量、養分利用可能性といった特性は、作物の収量ポテンシャルを決定する上で重要な役割を果たします。農家は圃場全体の土壌特性をマッピングすることで、生産性の高い地域と低い地域を特定することができます。.
  2. 地形標高、傾斜、方位などの要因は、作物の生育と収量に影響を与える可能性があります。例えば、低地は湛水や霜害のリスクが高く、急斜面は浸食を受けやすい場合があります。これらの地形的特徴を地図上にマッピングすることで、農家はそれらが生産性にどのように影響するかを理解し、それに応じて管理方法を調整することができます。.
  3. 過去の収量データ： 過去の年やシーズンの収穫量データを分析することで、農家は自分の畑全体の生産性の傾向やパターンを把握できます。この情報を使って、収穫量が継続的に高い地域や低い地域を強調表示する地図を作成できます。.
  4. リモートセンシングデータ： 衛星画像、航空写真、その他のリモートセンシングデータは、作物の健康状態、生育状況、成長段階を評価するために利用できます。これらの情報を用いて、作物の生産性ポテンシャルの空間的なばらつきを反映した地図を作成することができます。.
  5. 気候データ： 気温、降水量、日射量といった気候変数も、作物の生育や収量に影響を与える可能性があります。これらの地図に気候データを組み込むことで、農家は環境要因が畑の生産性にどのように影響するかをより深く理解できるようになります。.

これらは精密農業において非常に有用なツールであり、農家が圃場内の生産性ポテンシャルの空間的なばらつきを視覚的に把握するのに役立ちます。これらの地図を経営判断の指針として活用することで、農家は資源の利用を最適化し、作物の収量全体を向上させ、農業活動による環境負荷を軽減することができます。.

圃場ポテンシャルマップと収量データの違い

精密農業では、圃場の潜在能力マップと収量データはどちらも、農家が圃場の空間的なばらつきを理解し、より適切な管理判断を下すために利用されます。しかし、この2つにはいくつかの重要な違いがあります。

データソース：

これらの地図は、土壌特性、地形、過去の収量データ、リモートセンシングデータ、気候データなど、さまざまな情報源からのデータを統合して作成されます。ただし、これらのデータは、収穫機に設置された収量モニターを使用して収集され、収穫時に作物の収量が記録されます。.

時間的側面：

これらの地図は、圃場の潜在的な生産性を推定したものであり、土壌特性やその他の影響要因に大きな変化がない限り、一般的には静的であるか、時間の経過とともにゆっくりと変化します。しかし、収量データは特定の栽培シーズンまたは複数のシーズンに特有のものであり、気象条件、病害虫の発生状況、管理方法などの要因に基づいて、年ごとに大きく変動する可能性があります。.

要約すると、圃場潜在能力マップと収量データは、精密農業において相互補完的なツールです。これらのマップは圃場の潜在的な生産性を推定し、農家が異なる管理方法を必要とする可能性のある領域を特定するのに役立ちます。一方、収量データは実際の作物生産量を記録し、管理方法の有効性を評価し、将来の意思決定に役立てることができます。.

データレイヤーの交差を利用した自動作物調査

に投稿されました dementievgeopardによる

GeoPardには、 作物データ調査ゾーンを自動的に作成する ビジネスロジックと農業ロジックの柔軟な構成を活用する。.

これにより、膨大な数のフィールドを管理し、緊急事態が発生した場合にのみ偵察を行うことが可能になります。.

ビジネス／農業ロジックは柔軟に対応できる。この例では、最新の衛星画像で過去の耕作ポテンシャルが高く、植生が低い地域にタスクが作成される。.

別の使用例：収量ファイルから取得した低収量ゾーンと低pHゾーンが交差して、石灰施肥レベルを調整する。.

 

データレイヤーの交差による作物データの自動調査ゾーン
過去の生産性が高い地域と最新の惑星画像における低植生地域が交差すると、GeoPardで偵察タスクが自動的に作成されます。

作物取引会社やデータモデラーにとって、歴史的に最も安定した地域と高収量地域との交点は、収量予測を外挿するための良い指標となる可能性がある。.

農家、農学者、精密農業の専門家であれば、作物データの調査の重要性をご存知でしょう。作物の健康状態を監視し、潜在的な問題を重大な問題になる前に特定するために不可欠です。.

しかし、従来の作物調査は時間と労力がかかる。そこで、自動化された調査作業が役立つ。.

GeoPardは、高度なアルゴリズムと衛星画像を用いて作物を自動的に監視する、革新的な自動精密農業ソフトウェアです。GeoPardを使えば、害虫、病気、栄養不足などの潜在的な問題を検知する自動監視タスクを簡単に設定できます。.

自動偵察作業を利用する主な利点の1つは、作物の問題点を迅速かつ正確に特定できることです。GeoPardは高度なアルゴリズムを用いて圃場の衛星画像を分析し、作物のわずかな変化さえも検出します。.

これは、潜在的な問題を迅速に特定し、問題が深刻化する前に対処するための措置を講じることができることを意味します。.

自動化された圃場巡回作業のもう一つの利点は、作物を定期的に監視できることです。従来の圃場巡回では、定期的に圃場を訪れて潜在的な問題を確認することは困難です。.

しかし、GeoPardを使えば、作物を毎日または毎週監視する自動タスクを設定できるため、作物の健康状態をより包括的に把握できます。.

GeoPardの自動監視タスクはカスタマイズ可能で、お客様のニーズに合わせて設定できます。害虫や病気などの特定の問題を監視するタスクを設定したり、圃場の特定のエリアを監視するタスクを設定したりできます。これにより、作物の生育状況について十分な情報に基づいた意思決定を行うために必要な情報を得ることができます。.

GeoPardは、自動偵察機能に加えて、精密農業の運営に役立つさまざまな機能も提供しています。GeoPardを使えば、植え付けや施肥の計画、土壌水分量の監視、収穫量の追跡などを行うことができます。.

GeoPardの自動監視機能は、農家、農学者、精密農業専門家にとって非常に強力なツールです。GeoPardを使えば、作物の状態を迅速かつ容易に監視し、潜在的な問題を特定できるため、経営判断をより的確に行うことができます。.

作物調査とは何ですか？

作物調査とは、作物の健康状態、生育状況、潜在的な問題点を評価するために、作物を体系的に検査・監視する農業手法です。通常は、畑を実際に歩いて調査するか、ドローンやセンサーなどの技術を用いてデータを収集します。.

作物調査員は、害虫の発生、病気の発生、栄養不足、雑草の蔓延といった要因を観察し、情報を収集する。.

このデータは、農家が作物管理に関して、的を絞った治療の実施、肥料散布量の調整、害虫防除戦略の実施など、情報に基づいた意思決定を行うのに役立ちます。作物の収量を最大化し、作物の健全性を確保する上で、極めて重要な役割を果たします。.

自動作物データ調査とは何ですか？

自動作物調査とは、ロボット工学、無人航空機（UAV）、各種センサー、人工知能（AI）などの最先端技術を応用して、農業環境における作物の健康状態や生育状況を観察・評価することを指します。.

その目的は、従来人間の作物調査員が行っていた作業を自動化することで、効率性を高め、費用を削減し、作物管理を合理化することである。.

作物データの自動収集プロセスは、以下のような複数の段階から構成されます。

  • データ収集： 様々なセンサー（カメラ、マルチスペクトルセンサー、LIDARなど）を搭載した無人航空機（UAV）や地上ロボットは、植物の健康状態、病害虫の発生状況、土壌特性、栄養素濃度など、作物の状態に関する情報を取得する。.
  • データの分析収集されたデータは、その後、AIと機械学習アルゴリズムを使用して処理および分析され、作物の健康状態と生育に関連するパターン、異常、傾向が検出されます。.
  • 意思決定を行う： データ分析の結果は、灌漑、施肥、害虫管理、その他の対策の最適化など、作物管理に関する情報に基づいた意思決定を行うために活用できる。.
  • 行動を起こす： 農家は、自動作物モニタリングから得られた知識に基づいて、圃場における特定の問題に対処するための的を絞った対策を実施することができる。例えば、必要な場所にのみ農薬や肥料を散布し、廃棄物や環境への影響を最小限に抑えるといった対策が考えられる。.

農家にリアルタイムで正確なデータを提供することで、農業の生産性と持続可能性を大幅に向上させ、より良い意思決定とより精密な管理技術の導入を可能にする。.

偵察区域を特定する方法

作物データの調査区域を決定するには、土壌組成、地形、過去の作物の収穫量、その他の関連要因などの要素に基づいて、農地をより小さく管理しやすい区画に分割する必要があります。.

目的は、類似した条件を表す均一な区域を設定し、より的を絞った調査、観察、管理活動を可能にすることです。作物調査区域を特定するための手順を以下に示します。

  • 歴史情報を収集する： 過去の作物収量、土壌分析結果、病害虫の発生状況、その他圃場に関する重要な情報を収集する。これらのデータは、条件や生育状況が類似する地域を特定するために役立つ。.
  • 土壌組成と地形を調査する： 畑の土壌の種類や地形を調査し、自然な変動を理解しましょう。土壌組成や標高の違いは、作物の生育、養分吸収、水分利用に影響を与え、ひいては作物の健康状態に影響を及ぼします。.
  • リモートセンシング技術を活用する： 衛星画像やドローン画像を利用して、植生指数、土壌水分量、気温変動など、圃場の状況に関する詳細情報を入手しましょう。これらの情報は、圃場全体の状況をより包括的に把握できるため、調査区域の精度向上に役立ちます。.
  • 精密農業技術を導入する： 精密農業ソフトウェアを使用して、収集したデータを処理・分析します。これらのツールは、作物の健康状態、土壌のばらつき、地形などの要素を考慮しながら、パターンを特定し、データに基づいた調査エリアを設定するのに役立ちます。.
  • 偵察区域を設定するデータ分析に基づき、類似した特性を示す、より小さく均一な領域に圃場を分割してください。これらの領域は、管理しやすいサイズで、貴社の事業の具体的な要件に適合している必要があります。.
  • 定期的に更新・調整する： 状況の変化や新たなデータの入手に伴い、調査対象区域を再評価・修正し、その妥当性と精度を維持するようにしてください。これには、新たな収量データ、病害虫の発生状況、あるいは作物の生育に影響を与えるその他の要因に基づいて、対象区域を更新することが含まれる場合があります。.

したがって、作物の監視区域を特定して設定することで、農家は監視活動をより効率的に集中させ、的を絞った管理方法を適用することができ、結果として資源の利用効率が向上し、作物の健全性が改善される。.

wpChatIcon
wpChatIcon

    無料GeoPardデモ・コンサルテーションをリクエスト








    ボタンをクリックすると、弊社の プライバシーポリシー. そのリクエストに返信するために必要です。.

      登録


      ボタンをクリックすると、弊社の プライバシーポリシー

        情報をお送りください


        ボタンをクリックすると、弊社の プライバシーポリシー

        最高のブラウジング体験を提供し、サイトのコンテンツをパーソナライズし、トラフィックを分析し、関連性の高い広告を表示するためにクッキーを使用します。.
        ご覧ください プライバシーポリシー 詳細については。.

        すべて承認