Jak sztuczna inteligencja pomoże w rolnictwie
Brazylijscy naukowcy przeszkolili sztuczną inteligencję do analizy zdjęć satelitarnych, które pokazują obszary, gdzie produkcja roślinna i hodowla zwierząt są skutecznie łączone. Ta ostatnia koncepcja jest uważana za rewolucyjną i ma potencjał do zapewnienia zrównoważonego rozwoju branży rolniczej. Naukowcy chcą jednak wiedzieć, jak skuteczny jest ten pomysł.
Zintegrowany system działalności rolniczej
Brazylijscy naukowcy opublikowali interesujący artykuł w dziedzinie satelitarnego monitorowania rolnictwa. Urządzenia na orbicie są od dawna wykorzystywane do oceny stanu gruntów rolnych. Jednak w nowym badaniu wykorzystano je do obserwacji obszarów, na których wdrażany jest system integracji upraw i zwierząt gospodarskich.
System integracji upraw i zwierząt gospodarskich (CLI) jest obiecującą nową technologią, która ma potencjał, aby przekształcić rolnictwo, chociaż idee stojące za nią są w rzeczywistości bardzo stare. Obejmuje złożoną mieszankę upraw i zwierząt gospodarskich, głównie krów i świń.
Faktem jest, że uprawa soi, kukurydzy i innych podobnych roślin jest znacznie bardziej opłacalna niż hodowla zwierząt, pod warunkiem, że plony są wysokie. Jednak zbiory te są w rzeczywistości bardzo niestabilne, częściowo z powodu samych roślin, które poważnie wyczerpują ziemię.
Z drugiej strony, hodowla zwierząt nadal wymaga wszystkich powyższych elementów. Ponadto zastąpienie siewu wypasem przez jeden sezon pomaga w rekultywacji gruntów. W tym celu opracowano wyrafinowane, nowoczesne modele matematyczne, które okazały się bardzo skuteczne w obszarach eksperymentalnych.
Sztuczna inteligencja i obrazy generowane komputerowo
Nadal jednak musimy zrozumieć, jak nowa technologia sprawdza się w masowym użytkowaniu i w różnych warunkach. Liczba producentów rolnych, którzy tego próbują, rośnie z każdym rokiem, a obserwowanie ich wyników na Ziemi jest prawie niemożliwe.
I tu właśnie wkraczają satelity. Są one używane od wielu lat do monitorowania stanu pól. Jedynym problemem jest znalezienie wśród dużej liczby zdjęć dokładnie tych działek, które są wykorzystywane w ramach programu integracji upraw i hodowli zwierząt.
Nie da się tego zrobić ręcznie, ale istnieje rozwiązanie – sieci neuronowe. Brazylijscy naukowcy musieli więc jedynie wytrenować sztuczną inteligencję na gotowych zdekodowanych obrazach. W końcu nauczył się nie tylko rozróżniać niezbędne obszary, ale także oceniać ich stan.
Badanie zostało przeprowadzone w stanach São Paulo i Mato Grosso. Analiza obrazu oparta na obiektach była przeprowadzana w odstępach 10 i 15 dni w czterech etapach: uzyskiwanie danych CLI za pośrednictwem Planetscope, grupy satelitów, które przechwytują obrazy powierzchni Ziemi w wysokiej rozdzielczości, pokazując zmiany obszarów w czasie; szkolenie algorytmów w celu rozpoznawania wzorców związanych z CLI; wyświetlanie obszarów CLI; oraz ocena dokładności modelu poprzez porównanie automatycznych wyników z poprzednimi danymi.
