С развитием технологий повышаются не только урожаи, но и уровень заболеваемости культур. Это приводит к деградации как качества, так и количества сельскохозяйственной продукции. Хотя существуют методы лечения этих заболеваний, они часто оказываются дорогостоящими и опасными как для окружающей среды, так и для потребителя.
Потому не удивительно, что раннее выявление заболеваний стало приоритетом для многих агропредприятий.
Для продвижения приложений машинного обучения в агросекторе пришел звездный час. Теперь машины научатся сами распознавать заболевания растений. Фото: Pexels
Постоянный мониторинг ферм либо агрономами, либо консультантами по выращиванию сельскохозяйственных культур — дорогостоящий и трудоемкий процесс. Наблюдение должно быть непрерывным, чтобы отслеживаемые изменения проявляли динамику. Можно предположить, что на небольших фермах нет необходимости в машинных алгоритмах или беспилотных летательных аппаратах, так как с мониторингов справится и человек. Впрочем, не все можно увидеть человеческим глазом.
Получение огромных объемов данных для обработки — это дополнительный стимул для того, чтобы изобрести оптимальный подходы к обнаружению болезней. Глубинное обучение (deep learning, подраздел машинного обучения) обрабатывает данные, собранные об урожае за годы. Такая технология может структурировать алгоритмы, дабы создать искусственную "нейронную сеть" для принятия решений и создания вероятностной модели. Наличие такого типа информации помогает заинтересованным сторонам повысить точность обнаружения заболевания по сравнению с простым визуальным осмотром.
Болезни сельскохозяйственных культур и вредители различаются по географическим регионам и климату. Но последствия для глобального производства продуктов питания и продовольственной безопасности одинаково устрашающие. Из-за болезней аграрии теряют около 42 % наиболее важных продовольственных культур.
Применимость машинного обучения в сельском хозяйстве имеет много преимуществ, от вышеупомянутого обнаружения болезней, вредителей и селекции растений до сохранения воды и прогнозов в реальном времени.
Pix4D — программа для маппинга с помощью дронов
Многие компании начали использовать машинное обучение и инвестировали в исследовательские и опытно-конструкторские группы (включая Pix4D) для создания новых приложений для принятия решений в сельском хозяйстве.
Во времена бурного развития технологий и в тоже время проблем с производством продуктов питания важно помнить, что каждый новый алгоритм машинного обучения является важным шагом к ответу на вызовы для продовольственной безопасности.
По материалам PrecisionAg.
