Algorithm ya Ujasusi Bandia Inatumika Kutabiri Mavuno ya Kilimo

Inatabiriwa kuwa soko la kilimo cha usahihi litafikia dola bilioni 12.9 kufikia 2027. Kwa ongezeko hili, kuna haja ya ufumbuzi wa kisasa wa uchambuzi wa data ambao unaweza kuongoza maamuzi ya usimamizi kwa wakati halisi. Mbinu mpya imetengenezwa na kikundi cha taaluma mbalimbali katika Chuo Kikuu cha Illinois, na inalenga kuchakata kwa ufanisi na kwa usahihi data ya kilimo ya usahihi.

Nicolas Martin ni profesa msaidizi katika Idara ya Sayansi ya Mazao huko Illinois na mwandishi mwenza wa utafiti huo.

"Tunajaribu kubadilisha jinsi watu wanavyoendesha utafiti wa kilimo. Badala ya kuanzisha shamba dogo, kuendesha takwimu, na kuchapisha njia, tunachojaribu kufanya kinahusisha mkulima moja kwa moja zaidi. Tunaendesha majaribio na mashine za wakulima katika mashamba yao wenyewe. Tunaweza kugundua majibu mahususi ya tovuti kwa ingizo tofauti. Na tunaweza kuona kama kuna majibu katika sehemu mbalimbali za uwanja,” anasema.

"Tulitengeneza mbinu kwa kutumia ujifunzaji wa kina ili kutoa utabiri wa mavuno. Inajumuisha habari kutoka kwa anuwai tofauti za topografia, upitishaji umeme wa udongo, na vile vile matibabu ya viwango vya nitrojeni na mbegu tulizotumia katika mashamba tisa ya mahindi ya Magharibi mwa Magharibi.

Timu ilitumia data ya 2017 na 2018 kutoka mradi wa Usimamizi wa Mashamba ya Data Ili kusaidia kukuza mbinu yao. Katika mradi huo, mbegu na mbolea ya nitrojeni ziliwekwa kwa viwango tofauti katika mashamba 226. Sehemu hizo zilikuwa katika maeneo tofauti ya ulimwengu, kutia ndani Midwest, Brazil, Argentina, na Afrika Kusini. Picha za satelaiti zenye ubora wa juu zilitolewa na PlanetLab, na zilioanishwa na vipimo vya ardhini ili kutabiri mavuno.

Mashamba yaligawanywa kidijitali katika miraba ya mita 5. Kompyuta ilipewa data kuhusu udongo, mwinuko, kiwango cha matumizi ya nitrojeni, na kiwango cha mbegu kwa kila mraba, na kisha ikaanza kujifunza jinsi mavuno katika mraba huo yanavyoamuliwa na mwingiliano wa vipengele.

Ili kukamilisha uchanganuzi wao, watafiti waliegemea mtandao wa neural convolutional (CNN). CNN ni aina ya kujifunza kwa mashine au akili bandia. Ingawa baadhi ya aina za ujifunzaji wa mashine hupata kompyuta ili kuongeza data mpya katika mifumo iliyopo, mitandao ya neva haizingatii ruwaza zilizopo. CNN huangalia data na kujifunza mifumo ambayo inawajibika kuipanga, na inafanya kazi kwa njia sawa na jinsi wanadamu hupanga habari kupitia mitandao ya neva ndani ya ubongo. Mbinu ya CNN iliweza kutabiri mavuno kwa kiwango cha juu cha usahihi, na ililinganishwa na algoriti zingine za kujifunza kwa mashine na mbinu za kitamaduni za takwimu.

"Hatujui ni nini kinachosababisha tofauti katika majibu ya mavuno kwa pembejeo katika nyanja zote. Wakati mwingine watu huwa na wazo kwamba sehemu fulani inapaswa kujibu kwa nguvu kwa nitrojeni na haifanyi hivyo, au kinyume chake. CNN inaweza kuchukua mifumo iliyofichwa ambayo inaweza kusababisha majibu, "Martin anasema. "Na tulipolinganisha njia kadhaa, tuligundua kuwa CNN ilikuwa ikifanya kazi vizuri kuelezea tofauti za mavuno."

Utumiaji wa akili bandia kuchambua data kutoka kwa kilimo cha usahihi ni uwanja mpya, lakini ndio unaokua. Kilimo ni moja ya sekta kubwa ambayo itabadilishwa kwa kiasi kikubwa na akili ya bandia, na matumizi yake yanaendelea kuongezeka. Kulingana na Martin, jaribio hili ni mwanzo tu wa CNN kutumika katika matumizi mbalimbali tofauti.

"Mwishowe, tunaweza kuitumia kutoa mapendekezo bora kwa mchanganyiko fulani wa pembejeo na vizuizi vya tovuti."