Loader
ما را پیدا کنید
آگهی

کشاورزی دیجیتال: ۵ روش تغییر شیوه کشاورزی با هوش مصنوعی

آرشیو - جو آلنات (شرکت روبات کوچک) و توماس برل در حال هدایت روبات کشاورزی «تام» در جریان آزمایشی در ایست میون در جنوب انگلیس، ۳۰ نوامبر ۲۰۱۸.
آرشیو - جو آلنات (شرکت ربات کوچک) و توماس برل در حال کار با ربات کشاورزی «تام» در چارچوب یک آزمایش در ایست میون، جنوب انگلیس، ۳۰ نوامبر ۲۰۱۸. Copyright  (AP Photo / Kelvin Chan)
Copyright (AP Photo / Kelvin Chan)
نگارش از Bill Wirtz, EU Tech Loop with Euronews
تاریخ انتشار
همرسانی نظرها یورونیوز را در گوگل دنبال کنید
همرسانی Close Button

هوش مصنوعی بیش از پیش به کشاورزان در آبیاری دقیق، پیش‌بینی و پایش عملکرد محصول کمک می‌کند.

سه سال پیش که به یک نمایشگاه کشاورزی در ازمیر ترکیه رفتم، کاربرد هوش مصنوعی در کشاورزی تقریبا فقط به حساب و کتاب موجودی‌ها محدود می‌شد و آن هم به صورت محصولات تخصصی از سوی شرکت‌هایی عرضه می‌شد که غرفه‌هایشان در انتهای سالن و پشت سر سازندگان بزرگ تراکتور قرار داشت.

آگهی
آگهی

اما این وضعیت در حال تغییر است.

در ادامه پنج شیوه‌ای را می‌بینید که هوش مصنوعی از طریق آنها شیوه تولید غذا و خوراک را دگرگون می‌کند:

پایش وضعیت

پایش مزارع هنوز تا حد زیادی به شم و تجربه متکی است. کشاورزان باید بدانند محصولات‌شان بسته به زمان سال، باد و شرایط آب‌وهوایی چگونه از آفات و بیماری‌ها تاثیر می‌پذیرند.

اما این وضعیت در حال تغییر است.

پهپادها و تصاویر ماهواره‌ای داده لازم را برای مدل‌های بینایی رایانه‌ای فراهم می‌کنند؛ مدل‌هایی که آلودگی‌های قارچی یا هجوم آفات را خیلی زودتر از آنچه چشم انسان قادر به دیدن باشد شناسایی می‌کنند و برای استفاده هدفمندتر از مواد حفاظتی یا سموم دفع آفات توصیه‌هایی ارائه می‌دهند. اگر کشاورزان از حسگرهای خاک هم استفاده کنند این مجموعه داده باز هم غنی‌تر می‌شود.

پیش‌بینی عملکرد محصول

همانند پایش مزارع، استفاده از حسگرها برای پیش‌بینی عملکرد محصول این امکان را به کشاورزان می‌دهد که فراتر از فهرست آنچه تاکنون برداشت کرده‌اند، تصویری از آنچه در آستانه برداشت است نیز داشته باشند. شرکت سینجنتا یک سامانه هوش مصنوعی مولد طراحی کرده که دقت پیش‌بینی عملکرد را به حدود ۹۵ درصد می‌رساند و در کنار آن توصیه‌هایی درباره چگونگی جای‌گذاری بذر ارائه می‌کند.

اهمیت این پیش‌بینی‌ها در این است که کشاورزان باید از پیش برای تدارکات و لجستیک محصول خود برنامه‌ریزی کنند. هرچه بتوانید اطلاعات دقیق‌تری در اختیار خرده‌فروشان و شرکت‌های حمل‌ونقل بگذارید، کمتر ضرر می‌کنید.

مطالعه‌ای که به سفارش انجمن ملی تولیدکنندگان ذرت و توسط اقتصاددانان کشاورزی در دانشگاه ویرجینیا تک با عنوان «چه می‌دانیم از دقت و تاثیر پیش‌بینی‌های وزارت کشاورزی آمریکا» انجام شد، ارزش مستقیم گزارش‌های WASDE وزارت کشاورزی آمریکا (برآوردهای جهانی عرضه و تقاضای محصولات کشاورزی) را برای بازار ذرت محاسبه کرده است.

بر اساس این مطالعه، ارزش سالانه اطلاعات حاصل از این پیش‌بینی‌ها حدود ۳۰۱ میلیون دلار (۲۵۸.۹ میلیون یورو**،**)، یعنی چیزی در حدود ۰.۵۵ درصد از کل ارزش بازار ذرت برآورد شده است. این رقم به تفکیک اجزا چنین محاسبه شده است: برآورد سطح زیر کشت حدود ۱۴۵ میلیون دلار (۱۲۴.۸ میلیون یورو)، پیش‌بینی عملکرد حدود ۱۸۸ میلیون دلار (۱۶۱.۸ میلیون یورو)، تولید حدود ۲۹۹ میلیون دلار (۲۵۷.۳ میلیون یورو) و برآورد صادرات حدود ۳۲۰ میلیون دلار (۲۷۵.۴ میلیون یورو) سهم داشته‌اند.

کشاورزی با ربات‌ها

فناوری‌های رباتیک در دنیای هوش مصنوعی با سرعت در حال رشد هستند؛ زیرا موضوع فقط خودروهای خودران در شهرها نیست، بلکه این کاربردها به تراکتورها و سایر تجهیزات مزرعه هم رسیده و می‌توان آنها را با کمک هوش مصنوعی خودکار کرد.

شرکت جان دیر مدتی است که به سمت تولید تراکتورهای کاملا خودران حرکت می‌کند و دستگاه LaserWeeder شرکت کربن رباتیکس نمونه ملموسی از این روند است: این سامانه با استفاده از ۲۴ لیزر، ۳۶ دوربین و ۲۴ واحد پردازش گرافیکی انویدیا در هر دقیقه تا ۱۰ هزار علف هرز را در میان بیش از ۱۰۰ نوع محصول شناسایی و نابود می‌کند؛ مدلی که بر پایه ۱۵۰ میلیون تصویر برچسب‌خورده از گیاهان آموزش دیده و هم‌اکنون در ۱۵ کشور به کار گرفته شده است.

آبیاری دقیق

آبیاری خود یک دانش است و تا همین اواخر تقریبا فقط بر تخصص و تجربه خود کشاورز تکیه داشت. آبیاری دقیق مفهوم تازه‌ای نیست و سامانه‌های آبیاری خودکار سال‌هاست وجود دارند، اما این سامانه‌ها همچنان برای وارد کردن داده‌ها به اتکای کار دستی کشاورزان نیاز داشته‌اند.

اکنون سامانه‌های موسوم به ترکیب حسگرها، که داده‌های رطوبت خاک، دمای پوشش گیاهی و پیش‌بینی هوا را هم‌زمان در نظر می‌گیرند، به کار گرفته شده‌اند تا مصرف آب را حدود ۳۰ درصد کاهش دهند و در برخی موارد حتی عملکرد را افزایش دهند؛ برای نمونه در مزارع نیشکر هند کاهش ۳۰ درصدی مصرف آب همراه با رشد ۴۰ درصدی عملکرد ثبت شده است.

سامانه‌های پاشش با نرخ متغیر نیز به همین ترتیب فقط در نقاط لازم سم مصرف می‌کنند، حجم مواد شیمیایی را پایین می‌آورند و ردگیری دقیقی فراهم می‌کنند که به رعایت مقررات کمک می‌کند.

هوش مصنوعی در دامداری

هرچه واحدهای دامداری بزرگ‌تر می‌شوند، مراقبت از رفاه و کارایی اقتصادی حیوانات دشوارتر می‌شود. سامانه‌های هوش مصنوعی در دامداری با استفاده از بینایی رایانه‌ای و حسگرهای پوشیدنی (شتاب‌سنج‌ها، پایشگرهای زیستی) نشانه‌های بیماری را چند روز پیش از آنکه علائم ظاهری دیده شوند شناسایی می‌کنند؛ اقدامی که مصرف آنتی‌بیوتیک را کاهش می‌دهد و وضعیت رفاهی دام را بهبود می‌بخشد؛ موضوعی که با فشار رو به افزایش نهادهای تنظیم مقررات و خرده‌فروشان برای محدود کردن مصرف آنتی‌بیوتیک در تولید گوشت و لبنیات اهمیت بیشتری یافته است.

این مطلب در اصل در EU Tech Loop (منبع به زبان انگلیسی) منتشر شده و بر اساس توافق اشتراک محتوا در یورونیوز بازنشر شده است.

رفتن به میانبرهای دسترسی
همرسانی نظرها یورونیوز را در گوگل دنبال کنید

مطالب مرتبط

نسل زدهایی که باور دارند هرگز نمی‌توانند بازنشسته شوند و زندگی آرامی داشته باشند

نروژ پیش از نیویورک استفاده از هوش مصنوعی را در مدارس ممنوع کرده بود

پژوهش: سیاستمداران بدون اطلاع‌رسانی به رای‌دهندگان می‌گذارند هوش مصنوعی نطق‌ها و قوانین را بنویسد