Искусственный интеллект всё активнее помогает фермерам: от точного полива до прогнозирования урожайности и её контроля.
Три года назад, когда я побывал на сельскохозяйственной выставке в Измире, Турция, использование искусственного интеллекта в сельском хозяйстве сводилось к подсчёту складских запасов и предлагалось как узкоспециализированный продукт компаниями, чьи стенды находились далеко за павильонами крупных производителей тракторов.
РЕКЛАМА
РЕКЛАМА
Однако ситуация меняется.
Вот пять способов, которыми ИИ меняет то, как мы выращиваем продукты питания и корма:
Контроль за посевами
Контроль за посевами до сих пор во многом опирается на интуицию. Фермеру нужно понимать, как на его культуры влияют вредители и болезни с учётом времени года, ветра и климатических условий.
Но и это меняется.
Беспилотники и спутниковые снимки обеспечивают данными модели компьютерного зрения, которые обнаруживают грибковые поражения или вредителей задолго до того, как их заметит человек, и подсказывают, где и какие средства защиты растений или пестициды применять наиболее эффективно. Если фермеры используют датчики почвы, этот массив данных становится ещё точнее.
Прогноз урожайности
Так же, как контроль за посевами, прогноз урожайности с помощью датчиков позволяет фермеру получать не только учёт уже собранного урожая, но и представление о том, какой урожай ещё предстоит собрать. Компания Syngenta разработала генеративный ИИ, который обеспечивает точность прогноза урожайности на уровне 95 % и одновременно даёт рекомендации по размещению посевного материала.
Прогнозы имеют значение потому, что фермерам нужно заранее выстраивать логистику для своего урожая. Чем более точную информацию вы можете дать ритейлерам и транспортным компаниям, тем меньше денег теряете.
Исследование, заказанное Национальной ассоциацией производителей кукурузы и проведённое сельскохозяйственными экономистами Вирджинского политехнического института («What Do We Know About the Accuracy and Impact of USDA Forecasts»), оценило прямую ценность отчетов WASDE (World Agricultural Supply and Demand Estimates — оценки мирового предложения и спроса на сельхозпродукцию), которые публикует Минсельхоз США, для рынка кукурузы.
По оценке авторов, ежегодная стоимость этих прогнозных данных составляет около 301 млн долларов (258,9 млн евро), то есть примерно 0,55 % общей стоимости рынка кукурузы. В разрезе компонентов это выглядит так: оценки посевных площадей дают около 145 млн долларов (124,8 млн евро), урожайности — около 188 млн (161,8 млн евро), объёмов производства — около 299 млн (257,3 млн евро), а экспортных поставок — примерно 320 млн долларов (275,4 млн евро).
Роботизированное земледелие
В эпоху ИИ робототехника переживает бум: речь идёт не только об автономных автомобилях, которые возят нас по городам. Те же технологии применяются к тракторам и другой полевой технике, которую можно полностью автоматизировать с помощью ИИ.
Компания John Deere движется к созданию полностью автономных тракторов, а хороший конкретный пример — система LaserWeeder от Carbon Robotics. Она использует 24 лазера, 36 камер и 24 графических процессора NVIDIA, чтобы распознавать и уничтожать до 10 000 сорняков в минуту на более чем 100 видах культур. Модель обучена на 150 млн размеченных изображений растений, собранных машинами, уже работающими в 15 странах.
Прецизионное орошение
Орошение — целая наука, и до недавнего времени она полностью опиралась на опыт конкретного фермера. Прецизионное орошение само по себе не новость: автоматизированные системы полива существуют уже давно, но они по-прежнему зависят от того, какие данные вручную вводит фермер.
Системы, объединяющие данные различных датчиков — влажности почвы, температуры растительного покрова, погодных прогнозов, — позволяют сократить потребление воды примерно на 30 % и при этом в ряде случаев повысить урожай. В одном задокументированном примере на плантациях сахарного тростника в Индии снижение расхода воды на 30 % сопровождалось увеличением урожайности на 40 %.
Системы переменного внесения средств защиты работают по тому же принципу: пестициды распыляются только там, где это действительно необходимо, что сокращает объём химикатов и создаёт прозрачную историю обработок, облегчающую соблюдение требований регуляторов.
ИИ в животноводстве
Чем крупнее хозяйство, тем сложнее следить и за благополучием животных, и за их экономической отдачей. Системы ИИ в животноводстве используют компьютерное зрение и носимые датчики (акселерометры, биометрические браслеты и т. п.), чтобы выявлять признаки болезни за несколько дней до того, как появятся заметные симптомы. Это позволяет сократить использование антибиотиков и улучшить показатели благополучия животных — фактор, который становится всё более значимым на фоне ужесточения требований регуляторов и торговых сетей к применению антибиотиков в производстве мяса и молочной продукции.
Материал впервые был опубликован на сайте EU Tech Loop (источник на английском языке) и размещён на Euronews в рамках соглашения о синдикации контента.