"Искусственный интеллект"

ИИ на практике: сельское хозяйство

Прогнозирование погоды, прогнозирование и распространение заболеваний

Демократизация и внедрение искусственного интеллекта для обеспечения надежного и эффективного снабжения продуктами питания может не только увеличить доходы участников промышленных ферм, но также поможет мелким фермерам добиться достойного повышения уровня жизни за счет прямого доступа к потребителю.

Ферма в Вилку

Сельское хозяйство - это не просто выращивание продуктов на ферме. Существует множество факторов, которые играют решающую роль в экосистеме деятельности, связанной с выращиванием фруктов, овощей, зерна, выращиванием крупного рогатого скота на мясо или доставкой продукции прямо к вашему порогу.

Текущее население мира по состоянию на январь 2021 года, по оценке Организации Объединенных Наций, составляет 7,8 миллиарда и, по прогнозам, достигнет 10 миллиардов к 2057 году. ИИ становится чрезвычайно важным для прокормления растущего населения в свете истощения природных ресурсов и нагрузки на окружающую среду, вызванной ростом населения и быстрая урбанизация по всему миру.

Важно отметить, что производство продуктов питания - не единственная проблема, упаковка, распределение и потребление одинаково важны. Например, в одних только Соединенных Штатах, по данным Министерства сельского хозяйства США, одни только пищевые отходы составляют около 30–40% запасов продовольствия.

Сколько пищевых отходов в США?

По оценкам Службы экономических исследований Министерства сельского хозяйства США, 31 процент потерь продуктов питания на розничном и потребительском уровнях соответствует примерно 133 миллиардам фунтов стерлингов и 161 миллиарду долларов США на продовольствие в 2010 году. Такое количество отходов было далеко идущие последствия для общества: здоровая пища, которая могла бы помочь прокормить нуждающиеся семьи, отправляется на свалки. земля, вода, рабочая сила, энергия и другие ресурсы используются для производства, обработки, транспортировки, подготовки, хранения и утилизации выброшенных продуктов питания .

Количество переменных, участвующих в цепочке доставки еды, делает эту проблему очень сложной, но при этом очень полезной. Мы сосредоточимся на трех ключевых областях, в которых технологии на базе искусственного интеллекта играют критически важную трансформирующую роль сегодня и имеют многообещающие перспективы роста в будущем.

Прогноз погоды

Прошлые, настоящие и будущие прогнозы влажности, света и температуры являются исходными данными, которые помогают в принятии решений на ферме. Точный мониторинг погоды и полезные данные могут стимулировать такие действия, как:

  1. Спутниковые данные о погоде, предоставленные NOAA вместе с местными метеорологическими станциями на фермах, предоставляют фермерам очень точную и незамысловатую информацию для принятия повседневных решений.
  2. Если прогнозируется выпадение осадков, фермер может сэкономить на воде, не поливая ферму и не уточняя график полива. Количество осадков становится решающим фактором при принятии решения о внесении удобрений, если они будут смыты.
  3. Прогноз влажности может помочь принять решение об урожае и хранении кормов. Данные о ветре и солнечном свете помогают в использовании возобновляемых источников энергии с очень тонкой настройкой и могут привести к значительной экономии затрат на электроэнергию.

Прогнозирование заболеваний

Конкурентное давление, направленное на снижение цен на товары, рост стоимости инсектицидов и фунгицидов, делает необходимым как можно скорее отслеживать и устранять инфекции. Информация о потенциальной вспышке заболевания может помочь в принятии упреждающих решений, а не в ответных действиях после вспышки. Например:

  1. Сочетание влажности, температуры и обработки изображений может предсказать образование плесени на клубнике. Основываясь на прогнозе, избирательное применение профилактического фунгицида может предотвратить развитие плесени.
  2. Изображение, полученное смартфоном на поле, можно сопоставить с предварительно обработанным корпусом изображений, чтобы практически мгновенно передавать информацию о здоровье растения. Наряду с диагнозом состояния здоровья может быть очень полезна дополнительная ценная информация, такая как рекомендации по пестицидам, распространенность болезни в данной местности и действия, предпринятые другими фермерами.
  3. Прогнозирование начала инфекции может предупредить местных фермеров, предприятия и администрацию о необходимости действовать и тем самым предотвращать огромные убытки.

Распределение

Производство продуктов - это только одна часть цепочки поставок продуктов питания. Разрыв между производством и потреблением - это потеря продуктов питания на сумму около 161 миллиард долларов согласно исследованию Министерства сельского хозяйства США за 2010 год. Потеря питательной ценности, дополнительных консервантов, необходимых для сохранения свежих продуктов, и последствий для здоровья, которые они будут иметь, делают необходимость эффективного распределения продуктов питания. Вот несколько интересных идей, направленных на решение этой проблемы:

  1. Создание платформы для покрытия разрыва спроса и предложения в локальной зоне. Информирование клиента о предстоящем сезонном производстве продуктов питания от местных фермеров поможет вызвать интерес и заказы, чтобы мотивировать фермера стать частью платформы и продавать напрямую.
  2. Цифровые платформы позволяют мелким, средним и крупным фермерам участвовать в одном канале сбыта, особенно если сеть локализована.
  3. Снижение потребности в упаковке, хранении и топливе, необходимом для транспортировки, не только помогает повысить питательную ценность потребляемых продуктов питания, но и снижает количество отходов и выбросы углерода, тем самым помогая планете.

ИИ на практике:

IBM: принятие более быстрых и разумных решений для сельского хозяйства

Агробизнес стоит на пороге цифровой трансформации. IBM Agriculture помогает преодолевать препятствия на пути к цифровой трансформации, сочетая мощь искусственного интеллекта (ИИ), аналитики данных и прогнозов с уникальными данными сельскохозяйственного Интернета вещей (IoT), опытом опытных лидеров пищевой и агробизнеса, и десятилетия исследований IBM.

В результате появилась платформа настраиваемых недорогих решений, которые помогают заинтересованным сторонам в экосистеме принимать более быстрые и информированные решения в области сельского хозяйства.

Azure Beats: анализ экосистемы сельского хозяйства на основе искусственного интеллекта

Azure FarmBeats позволяет создавать решения для цифрового сельского хозяйства на основе данных. Azure FarmBeats - это специально разработанная облачная платформа для конкретной отрасли, построенная на основе Azure для получения действенной аналитической информации на основе данных. С помощью Azure FarmBeats вы можете

  1. Сводные данные о сельском хозяйстве из разных источников
  2. Объединение различных наборов сельскохозяйственных данных с датчиков, дронов и спутников
  3. Быстрое создание моделей AI / ML с использованием объединенных наборов данных
  4. Создайте собственное индивидуальное решение для цифрового сельского хозяйства

АгроСтар: мобильное облачное приложение

Помогая фермерам выиграть, объединяя данные и технологии с агрономией. AgroStar запустила мобильное облачное приложение, которое помогает повысить урожайность и поощряет использование передовых методов для мелких фермеров в Индии.

Запущенная как локальная платформа электронной коммерции для продажи сельскохозяйственных инструментов в 2008 году, компания обратилась к Google Cloud Platform (GCP) для расширения своего предложения.

Теперь он использует облачную аналитику и внедряет модели машинного обучения для предоставления своевременных рекомендаций на пяти языках по всем вопросам, от оптимизации семян до урожая севооборот и питание почвы для борьбы с вредителями.

Резюме

Сельское хозяйство превращается из вековых традиционных практик в хорошо отлаженную и сложную отрасль агротехники.

Ценность, которую передовая аналитика приносит фермеру, дистрибьютору и потребителю, феноменальна. Своевременный доступ к информации может снизить эксплуатационные расходы, одновременно увеличивая доход и делая процесс эффективным и надежным.

Использованная литература:

  1. Пищевые отходы Министерства сельского хозяйства США
  2. IBM: принятие более быстрых и разумных решений для сельского хозяйства
  3. Azure Beats: анализ экосистемы сельского хозяйства на основе искусственного интеллекта
  4. АгроСтар: мобильное облачное приложение

Первоначально опубликовано на https://www.emerging.careers 18 января 2021 г.