AI “Matematikk-Robot” Hjelper Med Å Behandle Mikroklima og Øke Bær-Ytelsesforutsigelser

En av de største landbruks-/hagebruksbedriftene i Australia er Costa Group, og selskapet har nylig ansatt et AI-system som er ment å forbedre avlingens kvalitet og ytelse ved å hjelpe selskapet med å analysere sine bæravlinger. Som rapportert av ZDNet, var systemet som Costa Group anvender ble designet av The Yield, et AgTech-selskap basert i Sydney. AI-systemet analyserer 14 forskjellige funksjoner for å få meningsfulle innsikter. Disse funksjonene inkluderer temperatur, jordforhold, vind, lys og regn. Informasjonen kombineres deretter med en eksisterende datasett og forutsigelser om enkeltavlinger returneres.

Costa Group driver flere bær-gårder som ligger spredt over Queensland, New South Wales og Tasmania. Bærgårdene på disse stedene inneholder polytunneler, og disse polytunnelene har sine egne mikroklima. Fordi klimaet i disse tunnelene er kontrollert, trenger de sin egen “värservice”. Internett-ting (IoT)-enheter innenfor tunnelene samler inn en rekke data som mates inn i AI-modellen. Prosessen er en kontinuerlig modell-opprettelse, produksjon, tilbakekobling og finjustering. Skaperne av systemet beskriver det som en “matematikk-robot”.

Lignende AI-modeller har blitt brukt til å forutsi avling for spinat, salat og andre avlinger, men grunnleggeren av The Yield, Ros Harvey, forklarte at deres system er kritisk fordi bær er vanskelige å overvåke mens de vokser. I motsetning til andre grønnsaker eller frukter, går bær ofte gjennom en rekke faser svært raskt og en enkelt bæravling kan ha mange vekstfaser samtidig. Som Harvey forklarte til ZDNet:

“Det har vært så vanskelig for bærprodusenter globalt fordi, i motsetning til andre avlinger, har bær mange vekstfaser samtidig… Hvis du ser på en bærplante, er den i ferd med å frukte, blomstre, det er bær som er klare, og det er bær som er halvprodusert fordi den kontinuerlig frukter når den er i sesong. Mens andre avlinger går gjennom denne lineære vekstfasen hvor du høster en gang ved sesongens slutt.”

For tiden brukes AI vanligvis bare til noen få forskjellige applikasjoner i AgTech-industrien. Blant disse applikasjonene er presisjonsjordbruk, landbruksroboter, dyreovervåking og drone-analyse. I 2018 utgjorde presisjonsjordbruk rundt 35,6 % av AI-bruken i landbrukssektoren. Applikasjoner som den som er utviklet av The Yield, som hjelper landbruksoperasjoner med å øke avlingen og beskytte seg mot risiko ved å få verdifull innsikt i veksttrender, ser ut til å være klar til å se mye mer bruk i nær fremtid.

Dataene som returneres av AI-systemet gjør det mulig for Costa Group å få en bedre forståelse av avlingen, som igjen hjelper selskapet med å håndtere sine logistiske kostnader og prispunkt. Harvey forutsier at i fremtiden vil flere og flere selskaper begynne å bruke AI-drevne applikasjoner til å kvantifisere avling og redusere risiko, og bemerker at ettersom klimaendringene gjør været mer uforutsigbart, kan flere selskaper velge å bruke polytunneler også. Bruken av AI over hele landbruksindustrien forventes å vokse raskt i nær fremtid. Maskinlæring, datavisjon og prediktiv analyse hjelper landbruksoperasjoner med å øke avlingen og gjøre mer med mindre.

Som en nylig rapport om tilstanden for AI i landbruket fant, forventes AI AgTech å vokse dramatisk over de neste fem årene. I 2018 var AI-markedet i landbruket verdsatt til rundt 330 millioner USD, men det forventes å nå en verdi på rundt 980 millioner USD ved slutten av 2024. Andre nylige applikasjoner av AI i landbrukssektoren inkluderer små roboter designet for å ugrise felt og å holde styr på vekstforhold i vertikale landbruksoperasjoner.