طبق برنامهریزیها تا سال ۲۰۲۵ هزینه جهانی برای فناوریها و سیستمهای هوشمند و متصل کشاورزی نظیر هوشمصنوعی و یادگیری ماشین سه برابر میشود و براساس تحقیقات هوش تجاری (Business Intelligence) این هزینه به ۱۵.۳ میلیارد دلار میرسد. افزون بر این براساس گزارش تحقیق بازار Markets&Markets برای دستیابی به نرخ رشد مرکب سالانه (CAGR)25.5 درصد، تنها هزینهها برای هوشمصنوعی و راهکارهای آن در حوزه کشاورزی از ۱ میلیارد دلار در سال ۲۰۲۰ به ۴ میلیارد دلار در سال ۲۰۲۶ خواهد رسید. در کشاورزی متصل بخشی از تکنولوژی که بیشترین سرعت رشد را دارد نظارت هوشمندانه بر کشاورزی با بهرهگیری از اینترنت اشیاء است، که طبق پیشبینیها تا سال ۲۰۲۵ ارزش آن به ۴،۵ میلیارد دلار خواهد رسید.
هوشمصنوعی، یادگیری ماشین و حسگرهای اینترنت اشیاء دادههای لحظهای را برای الگوریتمهایی که سبب افزایش کارایی کشاورزی، بهبود بازده محصول و کاهش هزینه تولید غذا میشود، فراهم میکنند. براساس پیشبینی سازمان ملل تا سال ۲۰۵۰ به جمعیت زمین ۲ میلیارد نفر افزوده خواهد شد، موضوعی که مستلزم افزایش ۶۰ درصدی تولید غذا در جهان تا سال ۲۰۵۰ است. طبق اعلام دپارتمان خدمات تحقیقات اقتصادی وزارت کشاورزی ایالات متحده، صنعت تولید، فرآوری و توزیع مواد غذایی تنها در این کشور یک تجارت ۱.۷ تریلیون دلاری است. هوش مصنوعی و یادگیری ماشین که از قبل پتانسیلهای خود را نشان دادهاند، در حال حاضر توانایی کمک به کاهش شکاف مواد غذایی مورد نیاز برای ۲ میلیارد نفر اضافی در سراسر جهان تا سال ۲۰۵۰ را دارند.
کشاورزی یکی از بارورترین صنایع برای یادگیری هوش مصنوعی و ماشین است
تصور کنید حداقل ۴۰ عملیات ضروری باید در آن واحد برای مناطق کشاورزی بزرگ چندصد هکتاری رهگیری، دادهها وارد اکسل و پایش شود. بدست آوردن بینش از اینکه وضعیت هوا، نوع تابش نور خورشید در هر فصل، الگوی مهاجرت حیوانات، پرندگان و پشهها، استفاده از کودهای به خصوص، حشرهکشها، دورههای کاشت و آبیاری چگونه بر محصول اثر میگذارد، مساله بسیار مناسبی برای یادگیری ماشین است. با این تفاسیر این سوال پیش میآید که موفقیت اقتصادی بیشتر در یک چرخه تولید محصول چگونه وابسته به دادهها نبوده است؟ این همان دلیلی است که اکنون رویکرد دادهمحور درکشاورزان و کارخانههای فعال در حوزه توسعه کشاورزی در حال دو برابر شدن و دامنه و مقیاس بکارگیری هوش مصنوعی و یادگیری ماشین برای بهبود کمیت و کیفیت محصولات کشاورزی در حال گسترش است. در ادامه ۱۰ روش کمک هوش مصنوعی و یادگیری ماشین برای بهبود وضعیت کشاورزی در سال ۲۰۲۱ مطرح میشود:
۱- استفاده از سیستمهای نظارتی مبتنی بر هوش مصنوعی و یادگیری ماشین برای پایش لحظهای هر محصول و نقض موارد مورد نظر کشاورزان توسط انسانها و حیوانات به صورت ویدئویی و دریافت هشدار
هوش مصنوعی و یادگیری ماشین ریسک نابودی تصادفی محصولات توسط حیوانات یا دزدی از محصولات توسط انسانها را در مزارع دوردست کاهش میدهد. با تحلیل ویدئویی مبتنی بر الگوریتمهای هوش مصنوعی و یادگیری ماشین که به سرعت در حال پیشرفت است، هر فردی که به نوعی در حوزه کشاورزی فعالیت میکند میتواند از مزرعه یا محیطهای ساختمانی خود محافظت کند.
۲- هوشمصنوعی و یادگیری ماشین میتواند پیشبینی تولید محصول را از طریق تحلیل لحظهای دادههای حسگرها و تحلیل تصاویر تهیه شده توسط پهبادها بهبود بخشد
مقدار زیاد دادههایی که توسط حسگرهای هوشمند و پهبادهایی با قابلیت انجام پخش ویدئویی جمعآوری میشود یک مجموعه داده کاملا جدید را برای متخصصان کشاورزی فراهم میکند که تاکنون به آن دسترسی نداشته اند. حالا این امکان برای ترکیب دادههای میدانی نظیر میزان رطوبت و میزان کود و مواد مغذی طبیعی برای تحلیل الگو رشد هر محصول در طول زمان وجود دارد. یادگیری ماشین بهترین تکنولوژی برای ترکیب مجموعه دادههای بسیار بزرگ و فراهم کردن توصیههایی برگرفته از محدودیتها برای افزایش تولید محصولات کشاورزی است.
۳- نقشهبرداری از محصول یک تکنیک کشاورزی است که بر نظارت الگوریتمهای یادگیری ماشین اتکا دارد کمک میکند کشاورزان در یک مقیاس بالا از مجموعه دادهها الگوها را بدست آورند
این امکان وجود دارد تا قبل از شروع چرخه پوشش گیاهی از نرخ عملکرد بالقوه یک مزرعه خاص اطلاع داشت. با بهرهگیری از ترکیب تکنیکهای یادگیری ماشین برای تحلیل نقشهبرداری ۳ بعدی، دادههای محیطی حاصل از حسگرها و داده رنگ خاک که توسط پهبادهای جمعآوری شده، اکنون متخصصین کشاورزی میتوانند ظرفیت بالقوه خاک برای تولید محصول را پیشبینی کنند.
متن کامل این خبر را در صفحه کارخانه نوآوری دیهیم در ویرگول مطالعه کنید