ကျန်းမာသော ခရမ်းချဉ်သီးအပင် မည်မျှ အစေ့အထွက်များမည်နည်း။ Wageningen University & Research မှ Agro Food Robotics မှ သုတေသီများသည် မျိုးစေ့မွေးမြူသူများနှင့် စိုက်ပျိုးသူများအား ဤမေးခွန်းအတွက် ကုန်ကျစရိတ်သက်သာစေပြီး ထိရောက်မှုတိုးမြင့်စေမည့် အလိုအလျောက်ပေါက်သည့်စမ်းသပ်မှုတစ်ခုကို တီထွင်ခဲ့သည်။
စိုက်ပျိုးသူများသည် တူညီသောအပင်များကို ပေးဆောင်ရခြင်းကို နှစ်သက်ကြပြီး မျိုးစေ့များ၏ အရည်အသွေးကို သိရှိလိုကြသည်။ မျိုးစေ့တစ်သုတ်လျှင် အပင်ဘယ်နှစ်ပင်ထွက်သလဲ။ ကြီးထွားမှုနောက်ကျခြင်း၊ ပင်စည်လိမ်ခြင်း၊ သို့မဟုတ် အရွက်ပျောက်နေသောနမူနာများရှိပါသလား။ မျိုးစေ့မွေးမြူသူများနှင့် စိုက်ပျိုးသူများ နှစ်ဦးစလုံးသည် မျိုးစေ့စမ်းသပ်မှုများ ပြုလုပ်ကြသည်။
ဤစမ်းသပ်မှုများမှ စိုက်ပျိုးထားသော အပင်များကို ကိုယ်တိုင်အကဲဖြတ်ပြီး ကုမ္ပဏီ၏ စံနှုန်းများနှင့် စိုက်ပျိုးနည်းစနစ်များနှင့်အညီ မျိုးစေ့မွေးမြူသူသည် တစ်နှစ်ပတ်လုံး အတိအကျတူညီသော အခြေအနေအောက်တွင် စိုက်ပျိုးလေ့ရှိသော်လည်း စီးပွားဖြစ်ဖန်လုံအိမ်တွင် ယင်းအခြေအနေများသည် ရာသီအလိုက် ကွဲပြားနိုင်သည်။ . “ထို့ကြောင့် မျိုးစေ့စမ်းသပ်မှုရလဒ်များသည် တစ်ခုနှင့်တစ်ခု ကွဲပြားနိုင်သည်။ ယင်းကြောင့် မျိုးစေ့မွေးမြူသူများသည် မျိုးစေ့အရည်အသွေးအပေါ် သဘောတူရန်နှင့် ပျိုးပင်များ၏ထုတ်လုပ်မှုကို ကောင်းစွာခန့်မှန်းရန် စိုက်ပျိုးသူများအတွက် ခက်ခဲစေသည်” ဟု Wageningen University & Research မှ Agro Food Robotics မှ သုတေသီ Lydia Meesters က ပြောကြားခဲ့သည်။
အာရုံကြောကွန်ရက်များ
ပရောဂျက်ထဲမှာ မွေးမြူရေးကုမ္ပဏီများနှင့် စိုက်ပျိုးသူများအတွက် နည်းပညာမြင့် အပင် phenotyping ကိရိယာများကို အသုံးချခြင်း (2018-2021)Wageningen University & Research မှ Agro Food Robotics မှ သုတေသီများသည် အဆိုပါ ပြဿနာများကို ဖယ်ရှားပေးသည့် အလိုအလျောက် စံနှုန်းဖြင့် အစေ့အဆန် စမ်းသပ်မှုကို တီထွင်ခဲ့သည်။
“ကျွန်ုပ်တို့၏ MARVIN ကင်မရာစနစ်ဖြင့် ခရမ်းချဉ်သီးပျိုးပင်များ၏ မြန်နှုန်းမြင့်ရုပ်ရှင်အများအပြားကို ဖန်တီးပြီး ၎င်းတို့အား အမျိုးအစားခွဲသည့်ဆော့ဖ်ဝဲလ်နှင့် ချိတ်ဆက်ပေးသည်” ဟု Meesters က ဆိုသည်။ “ဆော့ဖ်ဝဲလ်သည် အာရုံကြောကွန်ရက်များ (နက်ရှိုင်းသော သင်ယူမှု) ကို အသုံးပြု၍ ကွန်ပျူတာများကို ၎င်းတို့ရရှိသည့် အချက်အလက်များအပေါ် အခြေခံ၍ လေ့လာသင်ယူနိုင်စေမည့် ဉာဏ်ရည်တုပုံစံတစ်မျိုးကို အသုံးပြုထားသည်။ ဤကိစ္စတွင် ကျွန်ုပ်တို့သည် ၂ ဖက်မြင်နှင့် ၃ ဖက်မြင်ရုပ်ပုံများကို ဖန်တီးသည်။”
ပိုကောင်းတဲ့ခန့်မှန်းချက်
ပရောဂျက်တွင် ပါတနာ ၁၁ ဦးအနက်မှ တစ်ဦးမှာ Warmenhuizen ရှိ Bejo Zaden မှ သုတေသီ Paul Verbruggen ဖြစ်သည်။ "ကျွန်ုပ်တို့၏မျိုးစေ့မှ ခရမ်းချဉ်သီးပင်များ၏ အရည်အသွေးနှင့် တူညီမှုကို ပိုမိုကောင်းမွန်စွာ ခန့်မှန်းနိုင်ရန် ကျွန်ုပ်တို့ အမြဲတမ်း ရှာဖွေနေပါသည်" ဟု ၎င်းက ရှင်းပြသည်။
Wageningen ၏ သုတေသနပြုမှုကြောင့် ယခု ပန်းတိုင်သို့ ရောက်ရှိနေပြီဖြစ်သည်။ “Marvin ကင်မရာစနစ်က အပင်တွေရဲ့ အရည်အသွေးကို အတော်လေး ခန့်မှန်းနိုင်နေပြီ” ဟု Verbruggen က ဆိုသည်။ “ဉာဏ်ရည်တုလိုမျိုး နည်းပညာအသစ်တွေ ထပ်ထည့်လိုက်တဲ့အခါ ယုံကြည်စိတ်ချရမှုက သိသိသာသာ တိုးလာပါတယ်။ ပထမရလဒ်များက ခရမ်းချဉ်ပင်များ၏ 2-D သို့မဟုတ် 3-D ပုံများကို သင်စုဆောင်းသည်ဖြစ်စေ အရေးမကြီးကြောင်းကိုလည်း ဖော်ပြသည်။ "ကျွန်တော်တို့အတွက် Bejo Zaden က ကောင်းမွန်တဲ့စနစ်ကို အသုံးပြုနေပြီဆိုတာ အတည်ပြုတဲ့အတွက်ကြောင့် သိရတာ ဝမ်းသာပါတယ်။"
ထိရောက်စွာလုပ်ဆောင်ခြင်း။
မျိုးစေ့အရည်အသွေးကို အတိအကျတိုင်းတာနည်းကို အခြားပါတီများနှင့် သဘောတူညီမှုရရှိရန် ခက်ခဲကြောင်း Verbruggen မှ မှတ်ချက်ပြုခဲ့သည်။ "ယခုကျွန်ုပ်တို့သည် ကွင်းဆက်လုပ်ဖော်ကိုင်ဖက်တစ်ဦးစီသည် ၎င်း၏ကိုယ်ပိုင်မော်ဒယ်ကို လေ့ကျင့်ပေးနိုင်သည့် အံဝင်ခွင်ကျကြိုတင်ခန့်မှန်းနိုင်သော မော်ဒယ်များပေါ်တွင် အတူတကွလုပ်ဆောင်နေပါသည်။" Meesters အထိဆိုရင်တော့ ဒီမော်ဒယ်တွေက အစပဲရှိပါသေးတယ်။ “ခေတ်မီနည်းပညာတွေကို ဖန်လုံအိမ်တွေထဲ ပေါင်းစည်းထားလေလေ၊ ထိရောက်တဲ့ ကုမ္ပဏီတွေ ဖြစ်လာလေပါပဲ။”