AI “Matematikk-Robot” Hjelper Med Å Forvalte Mikroklima og Øke Bæryld-Prediksjoner

En av de største landbruks- og hagebruksbedriftene i Australia er Costa Group, og selskapet har nylig ansatt et AI-system som er ment å forbedre kvaliteten og avlingen ved å hjelpe selskapet med å analysere bæravlingen deres. Ifølge ZDNet ble systemet som Costa Group bruker designet av The Yield, et AgTech-selskap basert i Sydney. AI-systemet analyserer 14 forskjellige egenskaper for å få meningsfulle innblick. Disse egenskapene inkluderer temperatur, jordforhold, vind, lys og regn. Informasjonen kombineres deretter med en eksisterende datasett, og prediksjoner om enkeltavlinger returneres.

Costa Group driver flere bærgårder i 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 “værtjeneste”. Internett-ting (IoT)-enheter inni tunnelene samler inn en rekke data som mates inn i AI-modellen. Prosessen er en kontinuerlig modellskapelse, produksjon, tilbakemelding 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 bærauling 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 bærgren, er den i ferd med å blomstre, det er bær som er klare, og det er bær som er halvprodusert fordi den kontinuerlig produserer når den er i sesong. I motsetning til andre avlinger, som går gjennom en lineær vekstfase hvor du høster én gang ved slutten av sesongen.”

I øyeblikket brukes AI vanligvis bare til noen få forskjellige anvendelser i AgTech-industrien. Blant disse anvendelsene er presisjonslandbruk, landbruksroboter, dyreovervåking og droneanalyse. I 2018 utgjorde presisjonslandbruk rundt 35,6 % av AI-bruken i landbrukssektoren. Anvendelser 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 godt posisjonert for å se mye mer bruk i nær fremtid.

De data som returneres av AI-systemet gjør det mulig for Costa Group å få en bedre forståelse av avlingen, hvilket igjen hjelper selskapet med å forvalte sine logistiske kostnader og pris. Harvey forutser at i fremtiden vil flere og flere selskaper begynne å bruke AI-drevne anvendelser til å kvantifisere avling og redusere risiko, og merker at ettersom klimaendringer 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, datavisualisering 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 anvendelser av AI i landbrukssektoren inkluderer små roboter designet for å rydde felt og å holde styr på vekstforhold i vertikale landbruksoperasjoner.