ระบบอัลกอริทึมปัญญาประดิษฐ์ใช้ในการคาดการณ์ผลผลิตเกษตรกรรม

คาดการณ์ว่าตลาดเกษตรกรรมที่มีความแม่นยำจะถึง 12.9 พันล้านดอลลาร์สหรัฐฯ ภายในปี 2027 ด้วยการเพิ่มขึ้นนี้ จึงมีความจำเป็นต้องมีวิธีแก้ปัญหาในการวิเคราะห์ข้อมูลที่สามารถช่วยในการตัดสินใจจัดการในเวลาจริง ได้มีการพัฒนาวิธีการใหม่โดยกลุ่มสหวิทยาการที่มหาวิทยาลัยอิลลินอยส์ และมีเป้าหมายในการประมวลผลข้อมูลเกษตรกรรมที่มีความแม่นยำอย่างมีประสิทธิภาพและแม่นยำ

นิโคลาส มาร์ติน เป็นรองศาสตราจารย์ในภาควิชาพืชไร่ tại อิลลินอยส์ และเป็นหนึ่งในผู้เขียนการศึกษา

“เรากำลังพยายามที่จะเปลี่ยนแปลงวิธีการดำเนินการวิจัยด้านพืชไร่ ไม่ใช่การสร้างพื้นที่ทดลองขนาดเล็ก การวิเคราะห์ข้อมูล และการเผยแพร่ผลลัพธ์ แต่เรากำลังพยายามที่จะดำเนินการทดลองร่วมกับเครื่องจักรของเกษตรกรในพื้นที่ของพวกเขา เราสามารถตรวจจับการตอบสนองของพื้นที่ต่อการให้ปุ๋ยและน้ำได้ และเราสามารถดูว่ามีการตอบสนองในพื้นที่ต่างๆ ของพื้นที่หรือไม่”

“เราพัฒนาวิธีการโดยใช้การเรียนรู้ลึกเพื่อคาดการณ์ผลผลิต มันรวมข้อมูลจากตัวแปรทางกายภาพ พื้นผิวดิน และอัตราการให้ปุ๋ยและเมล็ดพันธุ์ที่เราใช้ในพื้นที่ข้าวโพด 9 พื้นที่ในมิดเวสต์”

ทีมงานใช้ข้อมูลปี 2017 และ 2018 จากโครงการ Data Intensive Farm Management เพื่อช่วยพัฒนาวิธีการของพวกเขา ในโครงการนั้น เมล็ดพันธุ์และปุ๋ยถูกใช้ในอัตราที่แตกต่างกันใน 226 พื้นที่ทั่วโลก รวมทั้งมิดเวสต์ บราซิล อาร์เจนตินา และแอฟริกาใต้ ภาพถ่ายดาวเทียมความละเอียดสูงถูกจัดให้โดย PlanetLab และถูกจับคู่กับการวัดบนพื้นเพื่อคาดการณ์ผลผลิต

พื้นที่ถูกแบ่งออกเป็นช่องสี่เหลี่ยมขนาด 5 เมตร คอมพิวเตอร์ถูกให้ข้อมูลเกี่ยวกับดิน ระดับความสูง อัตราการให้ปุ๋ย และอัตราการให้เมล็ดพันธุ์สำหรับแต่ละช่อง และจากนั้นเริ่มเรียนรู้ว่าผลผลิตในแต่ละช่องถูกกำหนดโดยการโต้ตอบของปัจจัยเหล่านั้น

เพื่อ完成การวิเคราะห์ นักวิจัยได้พึ่งพาเครือข่ายประสาทเทียมชนิดหนึ่ง (CNN) ซึ่งเป็นเครื่องมือการเรียนรู้ของเครื่องหรือปัญญาประดิษฐ์ ในขณะที่เครื่องมือการเรียนรู้ของเครื่องบางชนิดทำให้คอมพิวเตอร์สามารถเพิ่มข้อมูลใหม่เข้ากับรูปแบบที่มีอยู่แล้ว เครือข่ายประสาทเทียมไม่คำนึงถึงรูปแบบที่มีอยู่แล้ว CNN มองข้อมูลและเรียนรู้รูปแบบที่รับผิดชอบในการจัดระเบียบข้อมูล และมันทำงานในลักษณะที่คล้ายกับวิธีที่มนุษย์จัดระเบียบข้อมูลผ่านเครือข่ายประสาทในสมอง วิธีการ CNN สามารถคาดการณ์ผลผลิตได้อย่างแม่นยำ และได้รับการเปรียบเทียบกับเครื่องมือการเรียนรู้ของเครื่องอื่นๆ และเทคนิคทางสถิติแบบดั้งเดิม

“เราไม่ทราบว่าอะไรเป็นสาเหตุของความแตกต่างในการตอบสนองต่อปุ๋ยและน้ำในพื้นที่ต่างๆ บางครั้งคนมีความคิดที่ว่าจุดหนึ่งควรตอบสนองต่อปุ๋ยอย่างมาก แต่ไม่ได้ หรือในทางกลับกัน CNN สามารถจับข้อมูลที่ซ่อนอยู่ที่อาจเป็นสาเหตุของการตอบสนอง” มาร์ตินกล่าว “และเมื่อเราทำการเปรียบเทียบหลายวิธี เราพบว่า CNN ทำงานได้ดีในการอธิบายการเปลี่ยนแปลงของผลผลิต”

การใช้ปัญญาประดิษฐ์ในการวิเคราะห์ข้อมูลจากเกษตรกรรมที่มีความแม่นยำเป็นสาขาใหม่ แต่เป็นสาขาที่กำลังเติบโต เกษตรกรรมเป็นหนึ่งในอุตสาหกรรมที่จะได้รับผลกระทบอย่างมากจากปัญญาประดิษฐ์ และการใช้งานกำลังเพิ่มขึ้นอย่างต่อเนื่อง ตามที่มาร์ตินกล่าว การทดลองนี้เป็นเพียงจุดเริ่มต้นของการใช้ CNN ในหลายๆ การใช้งาน

“ในที่สุด เราสามารถใช้มันเพื่อค้นหาการแนะนำที่เหมาะสมที่สุดสำหรับการผสมผสานปัจจัยและข้อจำกัดของพื้นที่”