چگونه کشاورزی با فناوری‌های هوش مصنوعی پایدار می‌شود؟

در حقیقت، عوامل بسیاری بر کیفیت و تداوم کشاورزی تأثیر دارند. عواملی همچون تغییر شرایط اقلیمی، کمبود نیروی کار ماهر و استفاده از حشره‌کش‌ها. پژوهشگران مؤسسه ارتباط از راه دور فرانهوفر، مؤسسه هاینریش هرتز و HHI، قصد دارند کشاورزی را به وسیله فناوری‌های ابری و هوش مصنوعی، کارآمدتر و پایدارتر سازند. این پژوهشگران به عنوان بخشی از پروژه NaLamKI، با افراد دیگر همکاری می‌کنند، تا یک سامانه «نرم‌افزار به مثابه سرویس» ایجاد کنند که داده‌های ابزارها و ماشین‌ها را جمع‌‌آوری می‌کند، تا یک پایگاه دادگانی برای کمک به پیش‌بینی‌ها و تصمیم‌گیری‌ها تشکیل دهند.

بخش کشاورزی با چالش‌هایی اساسی روبه‌رو است: کشاورزان آلمانی درحال‌حاضر اثرات گسترده تغییرات اقلیمی را احساس می‌کنند و در آینده نیز مجبورند که خودشان را بسیار بیشتر با این شرایط وفق دهند.

افزایش دما و تغییر میزان بارندگی، تمام متغیرهای کشاورزی، از رشد محصول گرفته تا تناوب زراعی و خاک‌ورزی را تحت‌تأثیر قرار می‌دهند. تمرکززدایی از هوش مصنوعی در فضای ابری به همراه متمرکز کردن آن بر مزارع، می‌تواند به کارآمدتر شدن فرایند سازگاری با تغییر شرایط کمک کند. همچنین به این فرایند در تمام زمینه‌های کشاورزی سرعت ببخشد و این‌گونه کل زیست‌بوم را چالاک‌تر و آینده‌نگرتر ‌سازد.

اینجاست که پروژه NaLamKI وارد عمل می‌شود. فعالیت‌ها بر روی ساخت یک سامانه نرم‌افزار به مثابه سرویسِ SaaS مبتنی بر ابر، متمرکز است که رابط‌های بازی برای تولیدکنندگان کشاورزی و صنعت و همچنین ارائه‌دهندگان سرویس نرم‌افزارهای ویژه برداشت محصول دارد. با تجمیع داده‌های حسگر و ماشینی که با استفاده از ماهواره‌ها و هواپیماهای بدون سرنشین، حسگرهای خاک، رباتیک‌ها، جمع‌آوری دستی داده و موجودی داده‌ها جمع‌آوری شده‌اند، می‌توان داده‌های ترکیبی ایجاد کرد که با استفاده از آن، فرایندهای کشاورزی با بهره بردن از روش‌های پیشرفته هوش مصنوعی، می‌توانند به شکل پایدارتری، بهینه شوند.

نرم‌افزارهای هوش مصنوعی مستقر در سامانه در تحلیل شرایط محصول و خاکِ مناطق وسیعی از زمین به کشاورز کمک می‌کنند و در سازمان‌دهی دوباره فرایندهای حفاظت از مواد مغذی و محصول، مانند آبیاری، کوددهی و کنترل آفات، کشاورزان را یاری می‌کنند، تا کمیّت و کیفیّت خوب محصول را تضمین کنند و هدررفت محصول را کاهش دهند و تنوع زیستی را حفظ کنند. به عنوان مثال، استفاده هدفمند از تولیدات حفاظت از محصولات، موجب افزایش بازدهی محصول، کاهش هزینه‌ها، حفظ منابع و حفاظت فعالانه از محیط زیست می‌شود.

کشاورزان با هوش مصنوعی تعامل خواهند کرد

دکتر سباستین باس، مسئول گروه سیستم‌های تعاملی و شناختی فرانهوفر HHI می‌گوید: «علاوه بر تغییرات اقلیمی، کمبود نیروی کار ماهر نیز بر کیفیت و تداوم فرایندهای کشاورزی تأثیر می‌گذارد. بنابراین، بیشتر مواقع، شرایط گیاه به صورت گزینشی کنترل می‌شود. برای مثال، درحال‌حاضر، این امکان وجود ندارد که در مناطق وسیع کشاورزی، بتوان به طور دقیق شرایط آب، خاک یا هجوم آفات را تعیین کرد. برای حل این مشکل روش‌های هوش مصنوعی به منظور تحلیل داده‌های سنجش از دور، مدل‌سازی فرایندهای کشاورزی و شبکه‌سازی ۵G در زمین‌های کشاورزی، به عنوان بخشی از پروژه مؤسسه ایجاد شده‌اند. مثلاً ما به دنبال تحلیل تصاویر پهبادها، ماهواره‌ها و دوربین‌های رباتیک هستیم، تا نتایج معناداری برای کشاورزان حاصل کنیم». با ادغام تمام داده‌ها، پژوهشگران بینشی از ویژگی‌های مناطق زیر کشت به دست می‌آورند که پیش از آن عملاً وجود خارجی نداشت.

شناسایی آلودگی قارچی با استفاده از پهباد

کشاورزان می‌توانند با هوش مصنوعی تعامل و از آن سؤال کنند. به عنوان مثال، بر اساس خوانش‌های فعلی از رطوبت خاک و بیماری‌های محصول، هوش مصنوعی قادر خواهد بود که دستورالعمل‌هایی را ارائه کند و اثرات سناریوهای مختلف را نشان دهد. به صورت دقیق‌تر، صفحه‌ای روی تبلت نمایش داده می‌شود که زمین کشاورزی و شرایط فعلی خاک را نشان می‌دهد. با کلیک بر روی مناطق خاص، کشاورز اطلاعاتی راجع به مشکلاتی از قبیل سطح پایین آب و همچنین پیشنهاداتی مبنی بر بهترین راه مقابله با آن‌ها را دریافت می‌کند.

سامانه SaaS مبتنی بر GAIA-X

آموزش داده و سرویس‌های هوش مصنوعی به صورت غیرمتمرکز با استفاده از Gaia-X (یک زیرساخت ابری اروپاییِ دارای حق حاکمیت داده) ارائه می‌شود. علاوه بر این، یک سیستم یادگیری غیرمتمرکز و توزیع‌شده هوش مصنوعی ایجاد خواهد شد و داده‌ها به صورت محلی در مزارع ذخیره می‌شوند. کشاورزان قادر خواهند بود که مدل‌های هوش مصنوعی را به اشتراک بگذارند و آن‌ها را به سامانهNaLamKI  منتقل کنند، تا مرتباً الگوریتم‌ها ارتقا یابند. سامانه برای ارائه‌دهندگان شخص ثالث نیز در دسترس خواهد بود. برای نمونه، استارتاپ‌ها می‌توانند راه‌حل‌های هوش مصنوعی خلاقانه خود را بر روی سامانه ارائه دهند.

سرکشی به باغ‌ها

حال جمع‌آوری ابتدایی داده برای فرایند ایجاد مدل هوش مصنوعی، به پایان رسیده است. به عنوان مثال، تصاویری که یک ربات از محصول سیب نارس یک مزرعه میوه در منطقه پالاتینیت آلمان گرفته، هم‌اکنون در دسترس است. بدین منظور، داده‌های ثبت‌شده از حسگرهای مختلف مانند حسگرهای مکانی، LIDAR، RGB  و دوربین‌های چندطیفی، درحالی‌که ربات‌های نیمه‌خودکار از باغ عبور می‌کردند، جمع‌آوری، تحلیل و ادغام شدند (ترکیب حسگر). هدف از این کار، ایجاد یک بازنمایی معنادار از درختان باغ است، به‌طوری‌که تعداد میوه، میزان رسیدگی میوه، قطر تنه، شرایط هر محصول و خاک اطراف آن را بتوان تعیین کرد. این امر، همچنین شامل تشخیص وجود موانع، به ویژه موجودات زنده بر روی گیاهان بلند، در طول مسیر است.

دکتر باس در توضیح کاربرد ویژه این طرح می‌گوید: «ما همزمان با پیش‌روی در باغ، داده‌ها را ارزیابی می‌کنیم. اطلاعاتی که جمع‌آوری می‌کنیم، روی نقشه جمعیت درختان میوه ادغام و در نقشۀ مالک رسم می‌شود. بر اساس این داده‌ها، مستندسازی برای کشاورز انجام می‌شود».

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید