อัลกอริทึมปัญญาประดิษฐ์ที่ใช้ในการทำนายผลผลิตทางการเกษตร

มีการคาดการณ์ว่าตลาดการเกษตรแบบแม่นยำจะมีมูลค่าถึง 12.9 พันล้านดอลลาร์ภายในปี 2027 ด้วยการเพิ่มขึ้นนี้ จึงมีความจำเป็นสำหรับโซลูชันการวิเคราะห์ข้อมูลที่ซับซ้อนที่สามารถชี้นำการตัดสินใจด้านการจัดการแบบเรียลไทม์ วิธีการใหม่ได้รับการพัฒนาโดยกลุ่มสหวิทยาการที่มหาวิทยาลัยอิลลินอยส์ โดยมีจุดมุ่งหมายเพื่อประมวลผลข้อมูลการเกษตรที่แม่นยำและมีประสิทธิภาพ

Nicolas Martin เป็นผู้ช่วยศาสตราจารย์ในภาควิชาพืชศาสตร์ในรัฐอิลลินอยส์และเป็นผู้เขียนร่วมของการศึกษา

“เรากำลังพยายามเปลี่ยนวิธีดำเนินการวิจัยพืชไร่ แทนที่จะสร้างแปลงนาขนาดเล็ก ทำสถิติ และเผยแพร่วิธีการ สิ่งที่เรากำลังพยายามทำเกี่ยวข้องกับชาวนาโดยตรงมากกว่า เรากำลังทำการทดลองกับเครื่องจักรของเกษตรกรในแปลงนาของตนเอง เราสามารถตรวจพบการตอบสนองเฉพาะไซต์ต่ออินพุตต่างๆ และเราสามารถดูได้ว่ามีการตอบสนองในส่วนต่าง ๆ ของสนามหรือไม่” เขากล่าว

“เราพัฒนาวิธีการโดยใช้การเรียนรู้เชิงลึกเพื่อสร้างการคาดการณ์ผลตอบแทน มันรวมเอาข้อมูลจากตัวแปรภูมิประเทศที่แตกต่างกัน การนำไฟฟ้าของดิน ตลอดจนการบำบัดไนโตรเจนและอัตราเมล็ดที่เรานำไปใช้ในไร่ข้าวโพดเก้าแห่งในแถบมิดเวสต์"

ทีมงานใช้ข้อมูลปี 2017 และ 2018 จากโครงการ Data Intensive Farm Management เพื่อช่วยพัฒนาแนวทางของพวกเขา ในโครงการดังกล่าว มีการใช้เมล็ดพันธุ์และปุ๋ยไนโตรเจนในอัตราที่แตกต่างกันใน 226 ทุ่ง ทุ่งเหล่านั้นอยู่ในพื้นที่ต่างๆ ของโลก รวมถึงมิดเวสต์ บราซิล อาร์เจนตินา และแอฟริกาใต้ ภาพถ่ายดาวเทียมความละเอียดสูงจัดทำโดย PlanetLab และจับคู่กับการวัดภาคพื้นดินเพื่อทำนายผลผลิต

ฟิลด์ถูกแยกดิจิทัลออกเป็นสี่เหลี่ยมจัตุรัสขนาด 5 เมตร คอมพิวเตอร์ได้รับข้อมูลเกี่ยวกับดิน ระดับความสูง อัตราการใส่ไนโตรเจน และอัตราเมล็ดพันธุ์สำหรับแต่ละตาราง และจากนั้นก็เริ่มเรียนรู้ว่าผลผลิตในตารางนั้นถูกกำหนดโดยปฏิสัมพันธ์ของปัจจัยต่างๆ อย่างไร

เพื่อให้การวิเคราะห์เสร็จสมบูรณ์ นักวิจัยอาศัยเครือข่ายประสาทเทียม (CNN) CNN คือการเรียนรู้ของเครื่องหรือปัญญาประดิษฐ์ประเภทหนึ่ง แม้ว่าการเรียนรู้ของเครื่องบางประเภทจะทำให้คอมพิวเตอร์เพิ่มข้อมูลใหม่ลงในรูปแบบที่มีอยู่ แต่เครือข่ายประสาทเทียมจะไม่คำนึงถึงรูปแบบที่มีอยู่ CNN ดูข้อมูลและเรียนรู้รูปแบบที่รับผิดชอบในการจัดระเบียบข้อมูล และทำงานในลักษณะเดียวกันกับวิธีที่มนุษย์จัดระเบียบข้อมูลผ่านโครงข่ายประสาทเทียมภายในสมอง แนวทางของ CNN สามารถคาดการณ์ผลตอบแทนได้ด้วยอัตราความแม่นยำสูง และเมื่อเปรียบเทียบกับอัลกอริธึมการเรียนรู้ของเครื่องอื่นๆ และเทคนิคทางสถิติแบบดั้งเดิม

“เราไม่รู้จริง ๆ ว่าอะไรทำให้เกิดความแตกต่างในการตอบสนองต่ออินพุตในฟิลด์ บางครั้งผู้คนมีความคิดว่าจุดใดจุดหนึ่งควรตอบสนองอย่างรุนแรงต่อไนโตรเจน แต่จะไม่เป็นเช่นนั้น หรือในทางกลับกัน ซีเอ็นเอ็นสามารถตรวจจับรูปแบบที่ซ่อนอยู่ซึ่งอาจก่อให้เกิดการตอบสนองได้” มาร์ตินกล่าว “และเมื่อเราเปรียบเทียบหลายๆ วิธี เราพบว่า CNN ทำงานได้ดีมากในการอธิบายความผันแปรของผลผลิต”

การใช้ปัญญาประดิษฐ์เพื่อวิเคราะห์ข้อมูลจากการเกษตรแบบแม่นยำเป็นสาขาใหม่ แต่ก็เป็นสาขาที่กำลังเติบโต เกษตรกรรมเป็นหนึ่งในอุตสาหกรรมหลักที่ปัญญาประดิษฐ์จะเปลี่ยนแปลงไปอย่างมาก และการใช้งานของปัญญาประดิษฐ์ก็เพิ่มขึ้นอย่างต่อเนื่อง ตามที่มาร์ติน การทดลองนี้เป็นเพียงจุดเริ่มต้นของการใช้ CNN ในการใช้งานที่หลากหลาย

“ในที่สุด เราสามารถใช้มันเพื่อเสนอคำแนะนำที่เหมาะสมที่สุดสำหรับชุดค่าผสมของอินพุตและข้อจำกัดของไซต์”