A kukoricatermést segít megjósolni a mesterséges intelligencia
A precíziós mezőgazdasági piac egyre komolyabb szerepet kap a világban, és egyes jelentések szerint 2027-re az iparág értéke eléri a 12,9 milliárd dollárt (kb. 4.000 milliárd forintot). Ehhez egyre nagyobb szükség van olyan kifinomult adatelemzési eszközökre, amik akár valós időben képesek befolyásolni a vezetői döntéseket.
Az Illinoisi Egyetem egyik kutatócsoportja egy olyan projekten dolgozik, melynek hatására a precíziós adatok hatékonyan és pontosan dolgozhatók fel. A földeken végzett kísérletek és mérések által helyspecifikus válaszokat képesek adni, a terméshozam megjósolására pedig mélytanulási módszert fejlesztettek ki. Ez a rendszer megvizsgálja az olyan topográfiai változókat, mint a talaj elektromos vezetőképessége vagy éppen a nitrogén és a vetőmag mennyiségét a földekben.
A mesterséges intelligencia a mezőgazdaságban is remekül alkalmazható
A csapat Brazília, Argentína, Dél-Afrika, valamint az USA közép-nyugati területén összesen 226 mezőn végzett kísérleteket, melynek során a földi méréseket nagyfelbontású műholdképekkel párosították. A területeket aztán 5 méteres részekre osztották, és mindegyiket megvizsgálták négy tényező szerint: talajösszetétel, tengerszint feletti magasság, nitrogénarány és vetőmag-sűrűség.
Mindezen adatokat pedig gépi tanulással, mesterséges intelligencia útján elemzik ki, amelyet konvolúciós neurális hálózatnak (CNN) neveztek el. A kiértékelés során az MI megadja a választ arra, hogy mekkora terméshozam várható az egyes területeken, tehát közvetve azt is megmondja, hogy milyen feltételek szükségesek ahhoz, hogy a termés a legoptimálisabb minőséget és mennyiséget hozza.
A szakemberek számára sokszor nem teljesen világos, hogy mi okozza a különbségeket bizonyos földterületek terméshozama között, de a mesterséges intelligencia alapú megoldás olyan mintákat gyűjthet be, és azokat olyan kontextusban elemezheti, amelyek eddig rejtve voltak, és amelyek magukban hordozzák a válaszokat.
- Varga Viktor -
