圖片來源：北卡羅萊納州立大學

能夠及早發(fā)現(xiàn)作物問題可以在保存作物和損失作物之間做出區(qū)分，但是高科技解決方案的成本可能很高。一個跨學科的研究小組認為，利用現(xiàn)有技術的新方法可能是解決方案的一部分。

具體而言，作物和土壤科學系以及電氣與計算機工程系的NC State研究人員正在推出一種廉價的攝像頭系統(tǒng)，該系統(tǒng)可以遠程監(jiān)控作物的壓力。

玉米和大豆是北卡羅來納州乃至世界的重要商品。兩者都是新鮮食用，加工成各種食品，然后制成動物飼料。在某些階段缺水會給植物造成壓力，并可能嚴重影響產(chǎn)量。

作物與土壤科學系的計算機視覺和機器學習專家Paula Ramos-Giraldo在過去的一年中一直在研究一種攝像頭系統(tǒng)，該系統(tǒng)的成本低于普通智能手表，用于追蹤玉米和大豆田的干旱壓力。

Ramos-Giraldo說：“我們的目標特別是要構建一種低成本傳感器，以通過植物行為追蹤田間土壤濕度水平。”

這些低成本的傳感器可以幫助研究人員研究使農(nóng)業(yè)系統(tǒng)更具彈性的方法。植物育種者培育出更多的耐旱品種；而且有一天可能會提醒農(nóng)民何時需要灌溉田地。

構造StressCam

StressCam系統(tǒng)是由Raspberry Pi構成的，該系統(tǒng)由成本約為150美元的零件構成。Raspberry Pi是一種纖巧，便宜且易于編程的計算機，最初設計用于教授計算機科學。

拉莫斯-吉拉爾多說，這種微型的支持WiFi的計算機包括一個用于拍照的相機，并連接了一個定時器，該定時器可以在早上打開系統(tǒng)，晚上關閉系統(tǒng)。對于玉米，該攝像機以90度角安裝在整個田野上，每30分鐘拍攝一次照片以觀察葉子是否卷曲。對于大豆，將攝像機以45度角安裝在田地上，每15分鐘拍照一次以觀察枯萎。該系統(tǒng)采用太陽能供電，并在陰天使用備用電池。

微型計算機在照片上運行機器學習算法，對照片進行分析以尋找干旱壓力的跡象。她說，然后它將這些信息發(fā)送到研究人員，育種人員或農(nóng)民的網(wǎng)絡平臺。

機器學習算法和網(wǎng)絡平臺都是在電氣和計算機工程系的學生的幫助下構建的。

在2019年秋季學期期間，拉莫斯-吉拉爾多（Ramos-Giraldo）與電氣和計算機工程學系副教授埃德加·洛巴頓（Edgar Lobaton）合作，邀請學生參加他的神經(jīng)網(wǎng)絡課程，以設計能夠查看大豆田地照片和得分的機器學習算法她說，干旱壓力嚴重。

機器學習算法可以在數(shù)據(jù)中找到模式，而無需明確編程要尋找的重要特征。相反，它們是根據(jù)預先定義的數(shù)據(jù)進行“訓練”的，在這種情況下，有5,000張大豆田的照片顯示了不同數(shù)量的干旱脅迫，由美國農(nóng)業(yè)部農(nóng)業(yè)研究服務部（USDA-ARS）大豆專家Anna Locke注釋。作物與土壤科學系。

然后，在2019年夏季，對該類的算法在StressCam拍攝的數(shù)千張其他照片上進行了測試。StressCam中編程了最好的算法之一。

2020年秋天，Lobaton將在其神經(jīng)網(wǎng)絡課程中進行另一場比賽，以嘗試開發(fā)更高效的算法，例如需要較少計算機內(nèi)存的算法，從而在小型Raspberry Pi上運行得更好。

同樣在2019年秋天，拉莫斯-吉拉爾多（Ramos-Giraldo）開始與一支由高級電氣和計算機工程專業(yè)的學生組成的團隊合作，設計了一個基于云的Web平臺，以允許農(nóng)民，大豆育種者和研究人員管理StressCams并監(jiān)控田地。

該團隊包括Artem Minin，Nathan Libner，Stephanie Sierra和Manish Goud。

米寧說：“我們花了頭三周的時間來集中精力解決如何建立一個平臺來解決寶拉·拉莫斯·吉拉爾多（Paula Ramos-Giraldo）遇到的問題。” 計算機工程碩士學位�！斑@是該項目真正困難的部分之一，因為我們中沒有人真正構建過具有如此眾多組件，技術和要求的多樣化系統(tǒng)�！�

該網(wǎng)絡平臺允許用戶檢查StressCam是否已打開且沒有過熱，更改照片計劃，重要的是，可以查看StressCam的過去圖像和干旱脅迫嚴重程度得分。總體而言，該平臺將為植物育種者和研究復原力的研究人員節(jié)省時間并提高干旱數(shù)據(jù)收集的準確性。

除了產(chǎn)生StressCam 網(wǎng)絡平臺的預期技術和項目管理挑戰(zhàn)之外，ECE老年人團隊還必須應對大流行的意外挑戰(zhàn)。

圖片來源：北卡羅萊納州立大學

米寧說：“在大流行之前，我們小組每周會面一次，這是我們?nèi)〉米罴殉晒�的時候�！� “ COVID-19還增加了我們無法像我們想要的那樣測試系統(tǒng)的困難。最初，我們計劃在Sandhill Research Station設置一個測試站點，但是顯然沒有發(fā)生。相反，Paula設置了在她后院的測試場上�！�

盡管存在與COVID-19相關的所有挑戰(zhàn)，但Minin發(fā)現(xiàn)從事農(nóng)業(yè)問題的工作非常有意義。

Minin說：“我認為工程學最酷的事情之一就是將科學和技術應用于可以從中受益的行業(yè)，因為否則，這只是紙上的數(shù)學�！� “我真的很喜歡在農(nóng)業(yè)領域工作，我認為農(nóng)業(yè)技術領域有很多應用尚未得到充分探索�！�

Ramos-Giraldo同意跨學院合作的價值。

拉莫斯-吉拉爾多說：“我們與歐洲經(jīng)委會部門作出了令人驚奇的努力，并將繼續(xù)下去�！� “最重要的是，學生們對他們的成績非常熱情。在我們學習很多東西的過程中，不僅是學生，還有我們自己。當我們一起工作時，我們可以產(chǎn)生令人驚訝的結果。 ”

StressCam平臺以IBM的物聯(lián)網(wǎng)云平臺為核心。此外，IBM贊助了高級設計項目，并在北卡羅來納州立大學百年校區(qū)的IBM創(chuàng)新中心提供了兩名研究人員的技術指導。

使用壓力凸輪

去年夏天，Ramos-Giraldo在Sandhills研究站部署了20多個StressCam，用于不同大豆品種的田間。除了提供神經(jīng)網(wǎng)絡課程設計機器學習算法所用的圖像外，StressCam圖像還將幫助NC State和USDA-ARS大豆育種者，包括Locke和Tommy Carter，跟蹤它們的哪一種菌株對干旱條件的響應最佳。

今年夏天，該團隊擁有50個StressCam，并計劃將它們部署在玉米田上。其中十二臺攝像機將在馬里蘭州的貝爾茨維爾農(nóng)業(yè)研究中心部署，其余攝像機將部署在克萊頓（Clayton）的中央作物研究站等研究站，這些攝像機將利用新的無線互聯(lián)網(wǎng)基礎設施；位于戈爾茲伯勒的櫻桃研究農(nóng)場；以及位于金斯頓的Caswell研究農(nóng)場。

最終目標是將StressCams推廣到精準可持續(xù)農(nóng)業(yè)研究網(wǎng)絡，該網(wǎng)絡是22個州的農(nóng)場和研究站的網(wǎng)絡，部分獲得美國農(nóng)業(yè)部農(nóng)業(yè)與食品研究計劃撥款的支持，以發(fā)展有韌性的農(nóng)業(yè)系統(tǒng)。

作物與土壤科學系教授，研究網(wǎng)絡的共同負責人克里斯·雷伯格-霍頓說，應力相機將在種植遮蓋作物或其他替代性文化習俗后監(jiān)測經(jīng)濟作物的干旱壓力。

Reberg-Horton說：“ StressCams的最終目標是使用它們來監(jiān)視美國許多許多農(nóng)場的水質(zhì)狀況�！� “這些攝像機將幫助我們研究覆蓋農(nóng)作物覆蓋物在捕獲多余雨水方面的有效性。它們將幫助我們了解如何管理該系統(tǒng)以捕獲最多的水并將其保持在農(nóng)民的田地上�！�