AI “Matematik Robot” hjælper med at styre mikroklimaer og øge bærudbytteforudsigelser

En af de største landbrugs-/gartnerivirksomheder i Australien er Costa Group, og virksomheden har nyligt ansat et AI-system, der er designet til at forbedre afgrødekvalitet og udbytte ved at hjælpe virksomheden med at analysere dens bærafgrøder. Ifølge ZDNet blev systemet, som Costa Group anvender, designet af The Yield, et AgTech-virksomhed baseret i Sydney. AI-systemet analyserer 14 forskellige funktioner for at udlede meningsfulde indsigt. Disse funktioner omfatter temperatur, jordbundsforhold, vind, lys og regn. Informationen kombineres herefter med en eksisterende dataset, og forudsigelser om enkeltafgrøder returneres.

Costa Group driver flere bær-gårde beliggende i Queensland, New South Wales og Tasmania. Bær-gårdene på disse steder indeholder polytunneler, og disse polytunneler har deres eget mikroklima. Fordi klimaet i disse tunneler er kontrolleret, kræver de deres egen “vejrservice”. Internet of Things (IoT)-enheder inde i tunnelene indsamler en bred vifte af data, der føres ind i AI-modellen. Processen er en kontinuerlig modelopbygning, produktion, feedback og forbedring. Systemets skabere beskriver det som en “matematik robot”.

Lignende AI-modeller er blevet anvendt til at forudse afgrødeudbytte for spinat, salat og andre afgrøder, men grundlæggeren af The Yield, Ros Harvey, forklarede, at deres system er kritisk, fordi bær er svære at overvåge, mens de vokser. I modsætning til andre grøntsager eller frugter gennemgår bær ofte mange udviklingsfaser meget hurtigt, og en enkelt bær-afgrøde kan have mange udviklingsfaser på samme tid. Som Harvey forklarede til ZDNet:

“Det har været så svært for bærproducenter globalt, fordi bær har mange udviklingsfaser på samme tid… Hvis du kigger på en bærplante, er den i frugt, blomstrer, der er bær, der er klar, og der er bær, der er halvproduceret, fordi den konstant frugter, når den er i sæson. Andre afgrøder gennemgår denne lineære udviklingsfase, hvor du høster én gang ved sæsonens slutning.”

I øjeblikket anvendes AI typisk kun til få forskellige formål i AgTech-industrien. Blandt disse formål er præcisionslandbrug, landbrugsrobotter, husdyr-overvågning og drone-analyse. I 2018 udgjorde præcisionslandbrug omkring 35,6% af AI-anvendelsen i den landbrugssektor. Anvendelser som den type, der er udviklet af The Yield, som hjælper landbrugsdrift med at øge udbytte og beskytte sig mod risiko ved at opnå værdifuld indsigt i væksttendenser, synes at være klar til at se meget mere brug i den nærmeste fremtid.

De data, der returneres af AI-systemet, giver Costa Group mulighed for at opnå en bedre forståelse af udbyttet, hvilket igen hjælper virksomheden med at styre sine logistiske omkostninger og prisniveau. Harvey forudser, at i fremtiden vil flere og flere virksomheder begynde at anvende AI-drevne anvendelser til at kvantificere udbytte og reducere risiko, idet han bemærker, at da klimaforandringer gør vejret mere uforudsigeligt, kan flere virksomheder vælge at anvende polytunneler. Anvendelsen af AI på tværs af hele den landbrugsindustri forventes at vokse hurtigt i den nærmeste fremtid. Maskinel læring, computer-vision og prædiktiv analyse hjælper landbrugsdrift med at øge udbytte og gøre mere med mindre.

Som en ny rapport om AI i landbrug viser, forventes AI AgTech at vokse dramatisk over de næste fem år. I 2018 var AI-markedet i landbrug vurderet til omkring 330 millioner USD, men forventes at nå en værdi på omkring 980 millioner USD ved udgangen af 2024. Andre nyere anvendelser af AI i landbrugssektoren omfatter små robotter designet til at ukræfte marker og overvåge vækstbetingelser i vertikale landbrugsdrift.