Plantix: مشاوره دیجیتالی برای بیماری و آفتزدگی محصولات
طبق گزارش FAO ، آفات و بیماریهای گیاهی مسئول از بین رفتن 20 تا 40 درصد از تولیدات جهانی مواد غذایی هستند. این موضوع بهویژه ازنظر معیشت کشاورزان کوچک مقیاس که قطعا به عملکرد خوب مزرعه وابسته است، موضوعی نگرانکننده است. در پی این مشکل، هوش مصنوعی به کمک کشاورزی آمده است.
برنامه Plantix یک نمونه از این مثالهایی است که از یادگیری ماشینی بهمنظور شناسایی آفات و بیماریهای محصولات زراعی استفاده میکند و گزینههای درمانی متناسب را نیز ارائه میدهد. این قابلیت میتواند به امنیت غذایی کمک کرده و از معیشت کشاورزان کوچک مقیاس نیز حمایت نماید. استارت آپ بریتانیایی PEAT، در نظر دارد با برنامه Plantix secure ، خود به امنیت تولید جهانی مواد غذایی کمک کند. اگر با دوربین گوشی هوشمند از گیاه آلوده به بیماری یا آفت عکس گرفته شود، این برنامه با استفاده از یادگیری ماشینی، تصویر را تجزیهوتحلیل نموده، آن را با اطلاعات موجود مقایسه نموده و درنهایت اطلاعاتی در مورد سلامت گیاه و گزینههای درمانی برای نوع بیماری شناسایی شده، ارائه میدهد. Plantix در درجه اول متخصص محصولات کشاورزی مانند موز، گندم، برنج، سویا، و ذرت که از نظر تأمین مواد غذایی جهانی مهم هستند، است. با هر تصویری که ارسال و تحلیل میشود، به دانش پایگاه دادهای آن افزوده شده و ازآنجاییکه هر بیماری گیاهی، آفت، یا کمبود عناصر غذایی، الگوی خاصی را از خود بهجا میگذارد، بدین گونه امکان تشخیص دقیق را فراهم میکند. طبق PEAT، این نرمافزار اکنون میتواند بیماریها و آفات گیاهی را با دقت حداکثر 95 درصد تشخیص دهد. این نرمافزار تشخیص بیماری، همچنین اطلاعاتی در مورد شیوع بیماریها ارائه میدهد. بنابراین چنین راهحلی میتواند برای مناطق دورافتاده جهان مؤثر واقع گردد.
«روزانه حدود 50000 تصویر به برنامه ارسال میشود و توسط شبکههای عصبی تجزیهوتحلیل میشود. این تصاویر حاوی اطلاعات مختلفی ازجمله مکان و نوع بیماری است.» کوربیان هارتبرگر از PEAT to RESET توضیح میدهد. «به کمک این دادهها، PEAT میتواند بهطور واقعی نحوه شیوع بیماریها را ردیابی کند و همچنین مواردی را که شیوع آن آسانتر یا دشوارتر است را مدلسازی کند.»
با استفاده از هوش مصنوعی آب را در مزرعه ذخیره کنید:
در پی خشکسالی، بسیاری از کشاورزان به شیوههای مصنوعی آبیاری مزارع خود روی آوردهاند. بااینحال، داشتن اطلاعات دقیق در مورد وضعیت گیاهان و خاک میتواند به آبیاری هدفمندتر کمک نموده و صرفهجویی بیشتر در مصرف آب را به دنبال داشته باشد. heliopas.ai در انستیتوی فناوری کارلسروهه ( KIT)، تصاویر ماهوارهای، میزان بارندگی و سایر دادهها را از طریق هوش مصنوعی تجزیهوتحلیل و سپس اطلاعات دقیق در مورد وضعیت میدانی منطقه را ارائه میدهد. این اطلاعات از طریق برنامه “Waterfox” در تلفن هوشمند کشاورزان فراخوانی میگردد.
Ecorobotix: استفاده از رباتها میتواند مصرف علفکشها را به میزان قابلتوجهی کاهش دهد
هوش مصنوعی، یادگیری ماشین و رباتیک امکانات جدیدی را برای کشاورزی فراهم نمودهاند که کنترل علفهای هرز یکی از این قابلیتهاست. تاکنون بهمنظور کنترل علفهای هرز در هر مقیاسی، از روشهای سنتی پاشیدن مواد شیمیایی توسط تراکتور و ..، استفاده میشد، البته که چنین رویههایی دقیق نبوده و از میزان زیادی سموم جهت کنترل علفهای هرز استفاده مینمایند. برخی از انواع علفکشها همچنین میتوانند در تجزیه کلنیهای زنبورعسل، که بهعنوان گردهافشان طبیعی گیاهان عمل میکنند، نقش داشته باشند. رباتهای کنترل علفهای هرز یکی از راههای صرفهجویی در مصرف سموم دفع آفات، است. استراتژی کشاورزی و غذایی که در سال 2020 توسط کمیسیون اروپا بهعنوان بخشی از معامله سبز اروپا، منتشر شده است، به دنبال ایجاد پایداری در سیستمهای غذایی اتحادیه اروپا است. هدف کلیدی این استراتژی، کاهش استفاده از سموم دفع آفات در اتحادیه اروپا است و در نظر دارد تا سال 2030، کل مصرف سموم، خطر سموم، و استفاده از سموم خاص خطرناک را تا 50 درصد کاهش دهد.
شرکت سوئیسی EcoRobotix یک ربات سبک، خورشیدی و خودران تولید کرده است که بهطور مؤثر علفهای هرز را از بین میبرد، اما فقط از میزان بسیار کمی علفکش استفاده میکند. طبق گفته این شرکت، ربات “AVO” تا 95 درصد کمتر از مقدار مواد شیمیایی مصرفشده در روشهای معمول، استفاده میکند. این ربات به دوربین، حسگرهای GPS و یک برنامه مبتنی بر هوش مصنوعی مجهز بوده که به ربات در شناسایی علفهای هرز کمک مینماید و سپس میکرو دوزهای علفکش از طریق «بازوان» ربات بر روی علفهای هرز پاشیده میشود. این ربات توسط تلفنهای هوشمند قابل کنترل بوده و مانند یک میز چرخدار به نظر میرسد. کاربران اطلاعات مربوط به مرزهای میدانی و خطوط میدانی را در نرمافزار رابط کاربری وارد نموده، سپس سیستم از این طریق، مسیریابی میکند. بسته به میزان نور خورشید و وسعت زمین، این ربات میتواند تا ده هکتار در روز کار کند (ازجمله قابلیت کار در شب را نیز دارد). این مدل که هنوز در دست توسعه است، در حال حاضر عمدتا در مزارع چغندر و کلزا عملکرد خود را به اثبات رسانده است. EcoRobotix در حال حاضر در حال بهروزرسانی این نرمافزار برای کشتهای دیگر است.
RootWave: رباتی بدون استفاده از هرگونه ماده شیمیایی در برابر علفهای هرز
ربات RootWave، از علفکشهای شیمیایی برای کنترل علفهای هرز استفاده نمیکند. این شرکت انگلیسی این فناوری را باهدف رساندن شوکهای الکتریکی هدفمند به علفهای هرز توسعه داده است. آب سلولهای علف هرز شبه «جوشانده» میشود، درنتیجه گیاه بهطور طبیعی تجزیه میشود و مواد مغذی خود را به خاک برمیگرداند. طبق گفته شرکت، این روش برای گونههای سخت و مهاجم علفهای هرز نیز قابل استفاده است و خاک را تحت تأثیر قرار نمیدهد. این شرکت همراه با شرکت SRC، اکنون در حال کار برای ساخت یک ربات دقیق هستند. هدف آنها توسعه یک سیستم مبتنی بر هوش مصنوعی بهمنظور شناسایی علفهای هرز منفرد در محصولات غلات است که آنها را با استفاده از فناوری RootWave بهطور دقیق و خودکار از بین ببرند. ربات دقیق حاصله از RootWave و SRC نهتنها میتواند نسبت به روشهای معمول حذف علفهای هرز سازگار با محیطزیست باشد، بلکه منجر بهصرفه جویی در انرژی و هزینه میگردد.
AeroFarms: هوش مصنوعی باعث افزایش محصولات کشاورزی در محیط داخلی میشود
شرکت AeroFarms در حال آزمایش بر روی کشاورزی عمودی در کلانشهرها است و از یادگیری ماشین بدین منظور استفاده میکند. AeroFarms در دفتر مرکزی خود در نیویورک سالانه بیش از 900000 کیلوگرم برگ سبز از یک مساحت 6000 مترمربعی و بدون خاک تولید میکند. این شرکت آمریکایی از اصل ایروپونیک استفاده میکند: گیاهان بهگونهای ثابت شدهاند که ریشه آنها در هوای غنی شده با بخار آب و مواد مغذی آویزان شده است و از یک برنامه مبتنی بر هوش مصنوعی بهمنظور شناسایی الگوهای موجود در تصاویر و دادههایی که بهطور مداوم توسط بیش از 130000 حسگر ثبت میگردد، استفاده شده است. بدین گونه فرآیند تجزیهوتحلیل بهصورت خودکار انجام و کنترل کیفیت در زمان واقعی صورت میگیرد. این مزرعه کاملاً کنترل شده با تکنولوژی پیشرفته امکان تعدیل طیف گستردهای از عوامل تأثیرگذار بر طعم و میزان رشد گیاهان را فراهم مینماید. طبق اطلاعات این شرکت، روش کشت «بدون خاک» و سیستم کنترل هوشمند این شرکت را قادر میسازد تا 95 درصد مصرف آب را کاهش دهد، و کود کمتری نسبت به روشهای معمول کشت استفاده کند و از استعمال سموم دفع آفات ممانعت نماید. کشاورزی عمودی، امکان کشت در تمام فصول سال، حتی در مجاورت کلانشهرها را فراهم میکند. با این روش شهر با تأمینکنندگان مواد غذایی خود گرد هم آمده، مسیرهای حملونقل کوتاه و به لطف گسترش عمودی، از فضا به شیوه مؤثرتری استفاده میشود.
فرصتها
در حال حاضر کشاورزی، بهشدت به طیف گستردهای از کاربردهای مبتنی بر هوش مصنوعی متکی است. رباتهایی که با اسپری دقیق و فقط در صورت لزوم، استفاده از سموم دفع آفات را کاهش میدهند، برنامههای مبتنی بر هوش مصنوعی که بهطور خودکار نیازهای آبیاری و کود دهی را کنترل میکنند، یا سامانههای تشخیص تصویر که اطلاعات مهم مربوط به آفات و کمک به مبارزه با آنها را فراهم مینمایند. همه این کاربردها بدان معناست که هوش مصنوعی نهتنها میتوانند از محیطزیست با کاهش مصرف سموم دفع آفات، آب و کود محافظت کنند، بلکه با داشتن توانایی نظارت بهتر بر برداشت، مدلسازی شیوع بیماری و پیشبینی دقیقتر بلایای طبیعی میتواند به ابزاری ارزشمند در مقابله با قحطی، از بین رفتن محصولات، و حوادث ناشی از تغییر اقلیم تبدیل شود.
چالشها
توسعه و استفاده از برنامههای مبتنی بر هوش مصنوعی در حال حاضر بهشدت تحت کنترل صنایع کشاورزی و دیجیتال است. تمرکز اصلی در این صنایع افزایش بازده و سایر انگیزههای اقتصادی است، که در آن نیازهای واقعی کشاورزان و موضوعات حفاظت از محیطزیست و آبوهوا اغلب هیچ نقشی ندارند یا فقط نقش تبعی دارند. بنابراین این خطر وجود دارد که مدل کشاورزی صنعتی امروز ادامه یابد و مشکلات اجتماعی و زیستمحیطی بیشتر تشدید شود، همانطور که در فهرست مطالبات مربوط به دیجیتالسازی کشاورزی ،که توسط 22 سازمان از تصمیمگیرندگان سیاسی مورد درخواست قرار گرفته است، بر این موضوع تأکید شده است. همچنین تاکنون پاسخ سؤالات عمده مربوط به دسترسی به فناوریها، حکمرانی دادهها، میزان مصرف انرژی و منابع، پشتیبانی از دانش کشاورزان، کنترل تصمیمات مبتنی بر الگوریتم و … روشن نشده است. اساساً، هیچ چارچوب قانونی الزامآور و جامع برای تنظیم دیجیتالی شدن در کشاورزی وجود ندارد. برای اینکه کشاورزی دیجیتال و بهویژه راهحلهای مبتنی بر هوش مصنوعی در کاهش فقر و گرسنگی و حفاظت از محیطزیست و آبوهوا نقش داشته باشد، باید چارچوب مناسبی ایجاد شود. این چارچوب همچنین باید دربرگیرنده امنیت حکمرانی و محافظت از دادهها نیز باشد.