AI “Matematikrobot” Hjälper Till Att Hantera Mikroklimat och Öka Bärskördar

En av de största jordbruks- och trädgårdsföretagen i Australien är Costa Group, och företaget har nyligen anställt ett AI-system som syftar till att förbättra skördequalitet och avkastning genom att hjälpa företaget att analysera sina bärskördar. Som rapporterats av ZDNet, är systemet som Costa Group använder utvecklat av The Yield, ett AgTech-företag baserat i Sydney. AI-systemet analyserar 14 olika funktioner för att få meningsfulla insikter. Dessa funktioner inkluderar temperatur, jordförhållanden, vind, ljus och regn. Informationen kombineras sedan med en befintlig datamängd och förutsägelser om enskilda skördar returneras.

Costa Group driver flera bärodlingar belägna i Queensland, New South Wales och Tasmanien. Bärodlingarna på dessa platser innehåller polytunnlar, och dessa polytunnlar har sina egna mikroklimat. Eftersom klimatet i dessa tunnlar är kontrollerat, kräver de sin egen “väderservice”. Internet of Things (IoT)-enheter inom tunnlarna samlar in en mängd olika data som matas in i AI-modellen. Processen är en av kontinuerlig modellskapande, produktion, återkoppling och förfining. Skaparna av systemet beskriver det som en “matematikrobot”.

Liknande AI-modeller har använts för att förutsäga skördeavkastning för spenat, sallad och andra grödor, men grundaren av The Yield, Ros Harvey, förklarade att deras system är kritiskt eftersom bär är svåra att övervaka medan de växer. Till skillnad från andra grönsaker eller frukter, går bär ofta igenom många tillväxtstadier mycket snabbt och en enda bärskörd kan ha många tillväxtstadier samtidigt. Som Harvey förklarade för ZDNet:

“Det har varit så svårt för bärproducenter globalt sett eftersom bär, till skillnad från andra grödor, har många tillväxtstadier samtidigt… Om du tittar på en bärbuske, så blommar den, den bär frukt, det finns bär som är redo att skördas och det finns bär som är halvfärdiga eftersom den fortsätter att producera frukt när den är i säsong. Medan andra grödor går igenom en linjär tillväxtstadie där du skördar en gång i slutet av säsongen.”

För närvarande används AI vanligtvis för bara ett fåtal olika tillämpningar inom AgTech-industrin. Bland dessa tillämpningar finns precisionsjordbruk, jordbruksrobotar, djurövervakning och drönaranalyser. År 2018 stod precisionsjordbruk för cirka 35,6% av AI-användningen inom jordbrukssektorn. Tillämpningar som den som utvecklats av The Yield, som hjälper jordbruksföretag att öka avkastningen och skydda sig mot risker genom att få värdefulla insikter om tillväxttrender, verkar vara redo att se mycket mer användning i närmaste framtiden.

De data som returneras av AI-systemet tillåter Costa Group att få en bättre förståelse av avkastningen, vilket i sin tur hjälper företaget att hantera sina logistikkostnader och prissättning. Harvey förutspår att i framtiden kommer allt fler företag att börja använda AI-drivna tillämpningar för att kvantifiera avkastning och minska risker, med tanke på att klimatförändringar gör vädret alltmer oförutsägbart och att allt fler företag kan välja att använda polytunnlar. Användningen av AI inom hela jordbruksindustrin förväntas öka snabbt i närmaste framtiden. Maskinlärning, datorseende och prediktiv analys hjälper jordbruksföretag att öka avkastningen och göra mer med mindre.

Som en nyligen publicerad rapport om tillståndet för AI inom jordbruk visar, förväntas AI AgTech växa dramatiskt under de närmaste fem åren. År 2018 var AI-marknaden inom jordbruk värd cirka 330 miljoner USD, men den förväntas nå ett värde på cirka 980 miljoner USD i slutet av 2024. Andra nyliga tillämpningar av AI inom jordbrukssektorn inkluderar små robotar som är utformade för att rensa fält och spåra tillväxtförhållanden i vertikala jordbruksverksamheter.