Для этого есть приложение: как ИИ совершает революцию в сельском хозяйстве

Cельское хозяйство развивалось на протяжении более 10 000 лет, и фермеры постоянно искали способы увеличения урожайности и повышения эффективности. Теперь они могут получить выгоду от одной из крупнейших инноваций за последние десятилетия: искусственный интеллект все чаще применяется на фермах по всему миру, пишет Reuters.

Для этого есть приложение: как ИИ совершает революцию в сельском хозяйстве

Freepic

Успех фермера всегда зависел от его умения прогнозировать; На протяжении тысячелетий фермеры принимали решения о том, какие культуры сажать, основываясь на своих прогнозах условий выращивания и рыночного спроса. Между тем, модели ИИ на самом базовом уровне основаны на распознавании образов. Многие приложения искусственного интеллекта предназначены для обработки гораздо большего объема данных, чем человек, а затем анализа этих данных для составления более точных прогнозов.

Быстрее и точнее

Уилл Клеттер — вице-президент по операциям и стратегии ClimateAI, компании, которая использует искусственный интеллект для моделирования климатических рисков, чтобы помочь клиентам повысить устойчивость их агробизнеса к изменению климата. Он говорит, что ИИ может предоставлять «более точные, но и более локализованные» прогнозы климатических тенденций. Это может помочь сельскохозяйственным инвесторам выбрать участки, на которых будут хорошо расти определенные культуры, или решить, какие культуры лучше всего подходят для конкретных участков.

Клеттер говорит, что его клиенты часто приходят к тем же выводам, что и модели ИИ, но на сбор и анализ данных уходит гораздо больше времени. «Мы помогаем клиентам быстрее принимать решения с меньшими затратами, что в конечном итоге помогает им быстрее вывести на рынок, возможно, новый сорт семян или новую продовольственную культуру», — утверждает он.

Но Клеттер предостерегает, что фермерам следует применять ИИ только выборочно, для решения конкретных проблем. Учитывая экономику сельского хозяйства, «на крутых идеях не так уж и много заработаешь. Это должны быть действительно полезные идеи».

Рынок порождает как победителей, так и проигравших. Например, несколько агротех-стартапов, которые разработали искусственный интеллект и робототехнику для управления закрытыми вертикальными фермами, за последний год столкнулись с финансовыми потрясениями. Компания AppHarvest из Кентукки стала одной из самых громких жертв этого процесса, подав в июле заявление о банкротстве.

Сорняк под надзором

Тем не менее, многие стартапы по-прежнему убеждены, что ИИ может повысить производительность и улучшить экологические результаты для фермеров.

Несколько компаний разработали технологию, сочетающую высокоточные камеры с алгоритмами машинного обучения, которые могут быстро анализировать и действовать на основе данных, предоставляемых «компьютерным зрением».

Компания Blue River Technology, приобретенная гигантом сельскохозяйственного машиностроения John Deere в 2017 году, разработала технологию крепления камер к опрыскивателям. Камера обучена искусственным интеллектом распознавать сорняки, а это означает, что опрыскиватель распыляет гербициды на определенную область, а не на все поле.

Генеральный директор Blue River Вилли Пелл отмечает, что фермеры, которые интенсивно заботятся о каждом растении на своей ферме, теоретически могут добиться более высоких урожаев при меньших затратах. Проблема, по его словам, в том, что такой интенсивный уход за растениями невозможно осуществлять на большой ферме без огромной армии рабочих.

Технология целевого распыления на основе искусственного интеллекта дает фермерам возможность «масштабировать этот микроменеджмент с помощью машин, которые могут воспринимать реальность и действовать в режиме реального времени», говорит Пелл. Он прогнозирует, что технология целевого опрыскивания получит широкое распространение, особенно на крупных фермах, в течение следующего десятилетия.

Надав Бохер, исполнительный директор израильского агротехнического стартапа Greeneye Technology, который также разработал технологию точного распыления, считает, что экологические преимущества побудят регулирующие органы стимулировать фермеров применять эти технологии.

По его словам, по мере развития технологий появится множество других способов использовать компьютерное зрение и искусственный интеллект для создания гораздо более устойчивых методов ведения сельского хозяйства. Важно отметить, что данные чрезвычайно высокого разрешения, полученные с помощью камер, могут быть использованы для предоставления фермерам аналитической информации и рекомендаций.

Эта вспомогательная роль может быть особенно важной в развивающихся странах. Одна из проблем, связанных с ИИ в сельском хозяйстве, заключается в том, что выгоды от него получат крупные корпорации агробизнеса, а не сотни миллионов мелких фермеров по всему миру.

Сканируй банан

Майкл Сельварадж, старший научный сотрудник в области цифрового сельского хозяйства в Международном центре тропического сельского хозяйства, разработал приложение для смартфонов под названием Tumaini, которое позволяет производителям бананов сканировать растения на наличие признаков болезней и вредителей. Приложение также предоставляет фермерам советы, в том числе по выбору устойчивых к болезням сортов сельскохозяйственных культур, подходящих для их регионов.

Сельварадж добавляет, что приложение может обеспечить «систему раннего предупреждения». Фермеры сканируют растения на своем смартфоне; если это обнаружит наличие заболевания, приложение может предупредить политиков и поддержать картирование рисков и эпидемиологические исследования.

Тем временем коллега Сельвараджа, учёный-агроном Дэвид Герена, помог разработать проект «Артемида» в Танзании. При этом используется приложение, помогающее с фенотипированием — процессом выведения новых сортов сельскохозяйственных культур на основе наблюдений за характеристиками растений.

«Обычно на выведение нового сорта растения уходит около 10 лет, — говорит Герена. —Изменение климата сейчас происходит настолько быстро, что 10 лет — это недостаточно быстро. Селекционерам необходимо ускорить этот процесс, чтобы убедиться, что выходящие сорта устойчивы к климату».

Он объясняет, что основной подход к выведению новых сортов сельскохозяйственных культур, в котором люди пытаются скрещивать растения с многообещающими характеристиками, «остался неизменным в течение 10 000 лет». По его словам, это неэффективный процесс, требующий большого количества проб и ошибок.

«Мы рассматриваем возможность замены того, что сейчас делают селекционеры, моделями с поддержкой компьютерного зрения», — говорит Герена. Растениеводы, участвующие в проекте «Артемида», собирают данные, фотографируя через приложение. Затем эти данные анализируются с помощью моделей на базе искусственного интеллекта, чтобы помочь выбрать гены растений, которые лучше всего адаптированы к конкретным местам и будут более устойчивы к прогнозируемым климатическим изменениям.

Откопать углерод

ИИ также можно использовать в сельском хозяйстве, чтобы оценить уровень углерода, хранящегося в почвах.

Великолепные тропические леса Земли часто называют легкими планеты, но почвы на самом деле являются гораздо более важными поглотителями углерода. По данным Экологического общества Америки, почвы содержат около 75 % всего углерода, хранящегося на суше.

Почвы поглощают углерод главным образом через органические вещества, такие как разлагающиеся растения и животные. Углерод потенциально может оставаться в почве в течение тысяч лет. Однако обычные методы ведения сельского хозяйства, включая вспашку, севооборот и внесение удобрений, могут способствовать выделению углерода в атмосферу.

Первым шагом на пути к управлению запасами углерода в почве является точное измерение и мониторинг. Однако это далеко не так просто, говорит Марта Фарелла, специалист по данным инженерно-экологической консалтинговой компании Stantec. «Количественное определение углерода в почве на любой заданной площади пространства довольно сложно», — говорит она. Климатические условия, топографические факторы и типы растительности, а также пористость и текстура почвы — все это влияет на количество углерода, который может храниться. «Из-за этого существует большая неопределенность в отношении углерода в почве».

Стандартный способ измерения здоровья почвы включает отбор проб почвы. Но это трудоемкий и дорогостоящий процесс, который реально проводить лишь время от времени в небольшом количестве мест. Фарелла объясняет, что использование дистанционного зондирования в сочетании с моделями машинного обучения, которые дают представление о том, как определенные факторы влияют на здоровье почвы, может быть более эффективным подходом в масштабе.

«Мы можем смотреть на климатические условия в космосе, мы можем смотреть на свойства растительности в космосе, мы можем в некоторой степени смотреть на различные почвенные факторы в космосе, — говорит она. — А затем мы сможем использовать (машинное обучение) для построения моделей на основе известных значений углерода в почве и этих переменных дистанционного зондирования, чтобы затем прогнозировать углерод в почве в пространстве для всех областей, для которых у нас нет прямых измерений».

Бен Уорк — глава Азиатско-Тихоокеанского региона компании Downforce Technologies, которая использует методы дистанционного зондирования и машинного обучения, чтобы предоставить сельскохозяйственным землевладельцам «цифрового двойника» их собственности.

Уорк говорит, что его компания вызывает огромный интерес со стороны землевладельцев, которые хотят «понять и количественно оценить текущую секвестрацию, которую они имеют в своей собственности». Платформа Downforce предназначена для того, чтобы позволить землевладельцам установить базовый уровень углерода в почве, а затем отслеживать, как изменения в практике землепользования влияют на уровень связывания углерода.

Downforce может использовать этот подход «для создания квот на выбросы углерода, которые можно использовать для внедрения в бизнес», говорит Уорк.

По мнению Уорда, наличие более точных и своевременных данных в конечном итоге поможет землевладельцам более эффективно управлять здоровьем почвы. «Мы хотим продемонстрировать, что понимание того, что вы сделали в прошлом, хорошего или плохого, и понимание того, что и где работает, поможет вам улучшить здоровье почвы и, в свою очередь, увеличить углерод в почве».

  • Другие новости