使用机器学习技术来监测土壤湿度

　　南澳大利亚大学的研究人员已经开发出了一种经济高效的新技术，可以使用标准的数码相机和机器学习技术来监测土壤湿度。

　　联合国预测，如果我们继续我们目前的使用方式，到2050年地球上的许多地区可能将没有足够的淡水来满足农业的需求。

　　解决这一全球难题的一种方法是开发更高效的灌溉技术，其核心是对土壤水分的精确监控，从而使传感器能够引导“智能”灌溉系统，以确保以最佳的时间和比例施水。

　　当前用于感测土壤湿度的方法存在问题-埋入式传感器易受基材中盐分的影响，并且需要专用的硬件进行连接，而热成像相机价格昂贵，并且可能会受到诸如阳光强度，雾气和云雾等气候条件的影响。

　　南澳大利亚大学和巴格达中间技术大学的研究人员已经开发出了一种具有成本效益的替代方法，该方法可以使几乎在任何情况下进行精确的土壤监测变得简单且负担得起。

　　由UniSA工程师Ali Al-Naji博士和Javaan Chahl教授组成的团队已成功测试了使用标准RGB数码相机在各种条件下准确监控土壤湿度的系统。

　　Al-Naji博士说：“我们试用的系统简单，耐用且价格合理，使其成为支持精密农业的有前途的技术。”

　　“它基于标准的摄像机，该摄像机分析了土壤颜色的差异以确定水分含量。我们在不同的距离，时间和光照水平下对其进行了测试，该系统非常精确。”

　　相机连接到人工神经网络(ANN)，这是机器学习软件的一种形式，研究人员对其进行了培训，以识别不同天空条件下不同的土壤湿度。

　　使用该人工神经网络，可以对监视系统进行培训，以识别任何位置的特定土壤条件，从而可以针对每个用户对其进行自定义，并针对不断变化的气候环境进行更新，以确保最高的准确性。

　　Chahl教授说：“一旦对网络进行了培训，就应该有可能通过将土壤外观保持在所需状态来实现控制灌溉。”

　　“现在，我们知道监测方法是准确的，我们正计划根据我们的算法，使用微控制器，USB摄像头和水泵设计一种经济高效的智能灌溉系统，该系统可以处理不同类型的土壤。

　　“在不断变化的气候条件下，该系统有望在成本，可获得性和准确性方面作为改进农业灌溉技术的工具。”