Pendanaan

AI “Robot Matematika” Membantu Mengelola Mikroiklim dan Meningkatkan Prediksi Hasil Buah

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Salah satu perusahaan pertanian/hortikultura terbesar di Australia adalah Costa Group, dan perusahaan ini baru-baru ini menggunakan sistem AI yang dimaksudkan untuk meningkatkan kualitas dan hasil tanaman dengan membantu perusahaan menganalisis tanaman buahnya. Seperti yang dilaporkan oleh ZDNet, sistem yang digunakan oleh Costa Group dirancang oleh The Yield, sebuah perusahaan AgTech yang berbasis di Sydney. Sistem AI ini menganalisis 14 fitur yang berbeda untuk mendapatkan wawasan yang bermakna. Fitur-fitur ini termasuk suhu, kondisi tanah, angin, cahaya, dan hujan. Informasi ini kemudian digabungkan dengan dataset yang ada dan prediksi tentang tanaman individu dikembalikan.

Costa Group mengoperasikan beberapa kebun buah yang terletak di Queensland, New South Wales, dan Tasmania. Kebun buah di lokasi-lokasi ini memiliki polytunnels, dan polytunnels ini memiliki mikroiklimnya sendiri. Karena iklim di terowongan ini dikendalikan, mereka memerlukan “layanan cuaca” mereka sendiri. Perangkat IoT di dalam terowongan mengumpulkan berbagai data yang kemudian dimasukkan ke dalam model AI. Proses ini adalah proses pembuatan model, produksi, umpan balik, dan penyempurnaan yang terus-menerus. Pembuat sistem ini menjelaskannya sebagai “robot matematika”.

Model AI serupa telah digunakan untuk memprediksi hasil tanaman untuk bayam, selada, dan tanaman lainnya, namun pendiri The Yield, Ros Harvey, menjelaskan bahwa sistem mereka sangat penting karena buah-buahan sulit untuk dipantau saat tumbuh. Tidak seperti sayuran atau buah lainnya, buah-buahan sering mengalami berbagai tahap sangat cepat dan satu tanaman buah dapat memiliki banyak tahap pertumbuhan pada saat yang sama. Seperti yang dijelaskan oleh Harvey kepada ZDNet:

“Ini telah menjadi masalah yang sangat sulit bagi produsen buah di seluruh dunia karena tidak seperti tanaman lain, buah-buahan memiliki banyak tahap pertumbuhan pada saat yang sama… Jika Anda melihat tanaman buah, itu berbuah, berbunga, ada buah yang siap, dan ada buah yang setengah diproduksi karena terus-menerus berbuah saat musim. Sementara tanaman lain mengalami tahap pertumbuhan linier di mana Anda panen sekali di akhir musim.”

Saat ini, AI biasanya digunakan untuk beberapa aplikasi yang berbeda di industri AgTech. Di antara aplikasi ini adalah pertanian presisi, robot pertanian, pemantauan hewan, dan analitik drone. Pada 2018, pertanian presisi menyumbang sekitar 35,6% dari penggunaan AI di sektor pertanian. Aplikasi seperti yang dikembangkan oleh The Yield, yang membantu operasi pertanian meningkatkan hasil dan melindungi diri dari risiko dengan mendapatkan wawasan berharga tentang tren pertumbuhan, tampaknya akan melihat penggunaan yang jauh lebih luas di masa depan.

Data yang dikembalikan oleh sistem AI memungkinkan Costa Group untuk memahami hasil dengan lebih baik, yang pada gilirannya membantu perusahaan mengelola biaya logistik dan harga. Harvey memprediksi bahwa di masa depan, lebih banyak perusahaan akan mulai menggunakan aplikasi AI yang ditenagai untuk mengukur hasil dan mengurangi risiko, dengan catatan bahwa karena perubahan iklim membuat cuaca lebih tidak terduga, lebih banyak perusahaan mungkin memilih untuk menggunakan polytunnels juga. Penggunaan AI di seluruh industri pertanian diprediksi akan tumbuh dengan cepat di masa depan. Pembelajaran mesin, visi komputer, dan analitik prediktif membantu operasi pertanian meningkatkan hasil dan melakukan lebih banyak dengan lebih sedikit.

Seperti yang ditemukan dalam laporan terbaru tentang keadaan AI di pertanian, AgTech AI diprediksi akan tumbuh secara dramatis selama lima tahun ke depan. Pada 2018, pasar AI di pertanian dinilai sekitar 330 juta USD, namun diprediksi akan mencapai nilai sekitar 980 juta USD pada akhir 2024. Aplikasi AI terbaru di sektor pertanian termasuk robot kecil yang dirancang untuk membersihkan ladang dan memantau kondisi pertumbuhan di operasi pertanian vertikal.

Blogger dan programmer dengan spesialisasi di Machine Learning dan Deep Learning topik. Daniel berharap untuk membantu orang lain menggunakan kekuatan AI untuk kebaikan sosial.