【资料图】

在以及大部分亚热带和热带世界，由于缺乏有效的土壤肥力测试，一组科学家开始探索如何将智能手机相机转变为功能强大且随时可用的替代品。该研究团队最近发表在Elsevier期刊Biosystems Engineering 上，描述了基于图像的土壤有机质 (SOM) 评估领域的重要进展，以及它如何简化评估土壤肥力的过程。

这项在西孟加拉邦进行的研究使用了该邦三个农业气候区的土壤样本。通过分析土壤颜色的差异，该技术使用先进的模型来量化 SOM 状态，这可以作为确定土壤养分水平以及与土壤质量和土壤健康相关的其他特征的基础。

与传统方法相比，图像分析具有优势，传统方法的有效性和范围有限。实验室分析需要昂贵的设备以及与土壤样品收集和处理相关的大量劳动力和时间。基于简单的智能手机图像快速可靠地评估 SOM 将大大简化西孟加拉邦等地区的土壤肥力评估。

“解锁一种更简单的方法来获取 SOM 数据创造了新的机会，可以在以前因缺乏养分管理决策支持服务而受到限制的作物生产地区推进更精确、数据驱动的农业，”该研究的合著者兼总干事解释说。非洲植物营养研究所，Kaushik Majumdar 博士。

该研究领域面临的主要挑战集中在难以设计一个强大的分析系统，该系统能够在可能需要解释的许多可能的土壤表面颜色梯度中同样发挥作用。

为此，作者设计了一种新方法，通过分离图像中检测到的土壤和非土壤部分来改进图像解释。该技术能够快速预测 SOM 值，并且与传统土壤分析确定的值具有高度相关性。通过机器学习 (ML)，该团队正在教导他们的模型通过有意挑战其识别和排除任何引起错误的信号来不断提高其准确性。

该研究推进了土壤图像解释的科学，但研究人员认识到需要进一步研究将该技术推向该领域。接下来的步骤将开始将模型暴露在更广泛的样本图像中，以教 ML 模型如何更好地识别土壤类型、质地、湿度和景观中位置的影响。