살포 효율성을 50%까지 높이는 스마트 포도밭 시스템

살포 장비를 업그레이드하고 스마트 전자 장비를 사용해 잎 면적을 평가하고 질병 여부를 평가함으로써 기존 포도밭 경작 기술에 비해 살포 효율을 50%까지 높였습니다. 이는 다른 무엇보다도 디지털 농업에 집중한 EU 프로젝트의 결과물로, 그리스는 아테네 농업 대학을 통해 프로젝트에 참여했습니다. 프로그램의 목표는 포도밭(곰팡이), 당근밭(점무늬낙엽병), 사과밭(검은별무늬병)에 대한 혁신적이고 통합적인 식물 보호 관리 전략을 수립하는 것이었습니다. 혁신의 주요 우선 순위는 1) 질병의 예측과 식별, 2) 인공 및 천연 농약의 사용, 3) 살포를 통한 농약의 효율적 사용이었습니다.

질병 예측을 위해 생산자에게 질병의 발생과 확산에 관해 적시에 예측을 제공하는 예측 모델이 개발되었습니다. 나아가, 일련의 실험을 통해 최적의 식물 보호 제품 조합을 찾는 과정에서 생물학적 제제가 질병 해결에 신뢰할 만한 도구임이 입증되었습니다. 이는 그린 딜의 맥락에서도 고무적인 발견이었습니다. 마지막으로, 프로젝트는 살포 장비의 업그레이드에 집중했습니다. 이러한 이유로 여러 스마트 전자 시스템과 잎 면적 평가 및 질병 발병 감지 센서가 통합되었습니다. 아테네 농업 대학 팀은 이러한 시스템 개발에서 중요한 역할을 수행했습니다. 전반적으로, 시험 운행 결과 기존 방식에 비해 50% 이상 살포 효율성이 증가하였습니다.

포도밭, 당근밭, 사과밭의 질병을 식별하기 위해 조사 대상 작물(포도, 사과, 당근)의 식물체에서 세 가지 질병을 인식하도록 프로그래밍된 카메라가 사용되었습니다. 이전까지 딥러닝 알고리즘을 사용한 기존의 RGB 카메라는 사과나무의 검은별무늬병을 89% 식별해냈으나, 다중 분광 카메라를 사용한 초기 현장 실험에서는 식별률 100%를 달성했습니다.

포도밭의 곰팡이에 있어, RGB 카메라는 80%의 식별률을 보였으나 개선된 시스템은 100% 식별률을 달성했습니다. 당근의 점무늬낙엽병 식별을 위한 시스템은 현재 개발 중입니다.

새로운 제제

농약 사용의 합리적인 저감을 위한 접근법에는 상기한 세 가지 질병을 해결하기 위한 일련의 생물학적 제제와 새로운 상용 합성 농약에 대한 평가도 포함됩니다.