Teknoloji & Yapay Zeka

Yapay Zeka ile Asma Yapraklarındaki Azot Seviyesi Ölçülüyor

Şarap üretiminde kritik öneme sahip azot besininin doğru ölçümü için yeni bir yapay zeka sistemi geliştirildi. Araştırmacılar, hiperspektral görüntüleme ve makine öğrenmesi teknolojilerini birleştirerek asma yapraklarındaki azot konsantrasyonunu yüksek doğrulukla tespit edebilen bir yöntem oluşturdu. Sistem, dört farklı üzüm çeşidinde test edildi ve geleneksel yöntemlere göre çok daha hızlı ve pratik sonuçlar verdi. Bu teknoloji, çiftçilerin gübre kullanımını optimize etmelerine ve her bir asma için özel beslenme programları geliştirmelerine olanak sağlıyor. Geliştirilen sistem, şarap kalitesinin artırılması ve sürdürülebilir tarım uygulamalarının yaygınlaştırılması açısından önemli bir adım olarak değerlendiriliyor.

Şarap endüstrisinde devrim yaratacak yeni bir teknoloji geliştirildi. Araştırmacılar, yapay zeka destekli hiperspektral görüntüleme sistemi kullanarak asma yapraklarındaki azot seviyesini yüksek doğrulukla ölçmeyi başardı.

Azot, şarap üzümü üretiminde en kritik besin maddelerinden biri. Asmanın büyüme gücünü, meyvenin bileşimini ve şarabın kalitesini doğrudan etkiliyor. Ancak topraktaki azot seviyesi hem mekânsal hem de zamansal olarak sürekli değişiyor, bu da optimum gübre dozajını belirlemeyi zorlaştırıyor.

2022 ve 2023 yılları arasında gerçekleştirilen çalışmada, Chardonnay, Pinot Noir, Concord ve Syrah olmak üzere dört farklı üzüm çeşidinde testler yapıldı. Araştırmacılar, 400-1000 nanometre dalga boyları arasında çalışan hiperspektral kameralarla hem yaprak hem de gölgelik seviyesinde görüntüler topladı.

Geliştirilen sistem, görünür ışık, kırmızı kenar ve yakın kızılötesi bölgelerdeki en bilgilendirici spektral bantları seçerek gereksiz veriyi elimine ediyor. Bu sayede hem daha hızlı işlem yapabiliyor hem de fizyolojik olarak anlamlı sonuçlar üretiyor.

Bu teknoloji, çiftçilerin her bir asma için kişiselleştirilmiş beslenme programları hazırlamalarına ve gübre maliyetlerini düşürürken şarap kalitesini artırmalarına olanak sağlıyor.

Özgün Kaynak
arXiv (CS + AI)
Integrating Feature Selection and Machine Learning for Nitrogen Assessment in Grapevine Leaves using In-Field Hyperspectral Imaging
Orijinal makaleyi oku

Bu içerik, özgün kaynaktaki bilgiler temel alınarak BilimKapsül editörleri tarafından yeniden kaleme alınmıştır. Orijinal metnin birebir çevirisi değildir. Telif hakkı özgün yayıncıya aittir.