AI and Agriculture – რა არის წინსვლა,,en,როგორც გლობალური მოსახლეობა იზრდება,,en,სოფლის მეურნეობის სექტორი შიდა პრობლემებს იკავებს, როგორიცაა არასაკმარისი ფერმა სარგებელი,,en,არაეფექტური წარმოების მეთოდები და მავნებლები და სარეველები,,en,მიუხედავად იმისა, რომ ბევრ მეთოდს მიმართავს ოპტიმიზაციის გამოსავლენად,,en,ხელოვნური ინტელექტის გამოყენება,,en,სოფლის მეურნეობაში წარმოადგენს პარადიგმის ცვლილება რესურსების ოპტიმიზაციასა და სურსათის მომარაგებაში,,en,AI შეიძლება პოტენციურად დაეხმარება მონაცემების შეგროვებაში,,en,დაავადების, მავნებლებისა და იოდების წარმოებისგან დაცვა,,en,AI ტექნოლოგიები უკვე გამოიყენება, თუმცა არა ფართო მასშტაბით და ერთნაირად,,en,AI- ის გამოყენება ასევე გარკვეულ გამოწვევებზეა დამოკიდებული სოფლის მეურნეობის სექტორში არსებული მონაცემთა ხელმისაწვდომობისა და კავშირის სახით,,en,სწრაფი და შესაბამისი მონაცემების შეგროვება მნიშვნელოვანია სოფლის მეურნეობის სექტორის დასახმარებლად გამოწვევების დასაძლევად,,en?
მიმოხილვა
As global population rises — mostly in the developing countries — and demand for food increases, the food supply challenge is renewed for the agricultural sector. At the same time, the agriculture sector grapples with internal problems such as insufficient farm yield, inefficient production methods and pests and weeds. While many methods are being applied to optimize output, the application of Artificial Intelligence (AI) in agriculture represents a paradigm change in optimizing resources and supplying food. AI can potentially help in data collection, yield protection from diseases and pest and yodel production. AI technologies is already being applied though not on a large scale and uniformly. The application of AI also faces certain challenges in the form of data availability and connectivity that are unique to the agricultural sector.
Data collection
Fast and relevant data collection is important in helping the agriculture sector meet the challenges. სხვადასხვა მონაცემთა შეგროვების ტექნოლოგიები ბაზარზე მოდის,,en,მაღალსიჩქარიანი ცვლადი დანადგარის დანადგარები უზრუნველყოფს ზუსტი "როგორც დარგეს" ინფორმაციას და მოსავლის დამუშავებას უზრუნველყოფს მოსავლის მონაცემები,,en,ასეთი მონაცემები სასარგებლოა პროგნოზირების ალგორითმების შესაქმნელად,,en,მავნებლების და მცენარეთა დაავადებების გამოვლენა,,en,მავნებლები და დაავადებები შეიძლება განადგურება სარგებელი,,en,AI ტექნოლოგიებს შეუძლიათ მცენარეთა მავნებლების და დაავადებების უფრო სწრაფად და ზუსტად გამოვლენა, ვიდრე მომზადებული ადამიანები,,en,ერთი ასეთი ტექნოლოგია იყო Resson- ის გამოსახულების აღიარების ალგორითმი,,en,მონსანოს ზრდის საწარმოები,,en,MGV,,sq,პორტფოლიო კომპანია კანადასა და სან ხოსეში,,en,სარგებელი პროგნოზირება,,en,AI იყენებს გამოყენებას ზუსტი სარგებელი პროგნოზები,,en,კომპანიები, როგორიცაა ორბიტალური insights,,en,სალაროს ლაბორატორიები,,en,გროვის დაზვერვა,,en,და Tellus Labs- ი სატელიტურ გამოსახულებებზე დაფუძნებული პროგნოზირების ალგორითმების შემუშავებას ახდენენ,,en. For example, the high-speed variable rate planting equipment provides accurate “as planted” information and yield monitors provide harvest data. Such data are useful in building predictive algorithms.
Pest and plant disease detection
Pests and diseases can destroy yield. AI technologies can detect plant pests and diseases more quickly and accurately than a trained human being. One such technology has been the image recognition algorithm by Resson, a Monsanto Growth Ventures (MGV) portfolio company with offices in Canada and San Jose.
Yield prediction
AI is used to develop accurate yield predictions. Companies such as Orbital Insights, Descartes Labs, Gro Intelligence, and Tellus Labs have been developing yield prediction algorithms based on satellite imagery, ამინდის ინფორმაცია,,en,და ისტორიული სარგებლის მონაცემები,,en,ისინი აცხადებენ, რომ პროგნოზები უფრო ზუსტია მაშინ აშშ-ის სოფლის მეურნეობის დეპარტამენტი,,en,USDA,,en,ანგარიშები,,en,გლობალური გამოყენება,,en,იგივე AI ტექნოლოგია შეიძლება გამოყენებულ იქნას მთელს მსოფლიოში, მიუხედავად ფერმერისა,,en,კლიმატური ან სხვა პირობები,,en,AI ტექნოლოგია ეფუძნება უნიკალურ რეგიონულ პირობებს,,en,Slant Range,,no,სან დიეგოზე დაფუძნებული დამწყები,,en,აღმოაჩინა მცენარეთა დათვლის ალგორითმი შეუთავსებელია სამხრეთ აფრიკის ფერმაში,,en,მას ადაპტირება მისი ტექნოლოგია შესაბამისად,,en,სარგებელი გაუმჯობესება,,en,AI ხელს შეუწყობს პროდუქციის გაუმჯობესებას ახალ თესლის შემუშავების მიზნით,,en,სასუქები,,en,ან მოსავლის დაცვა,,en,სარგებელი გაუმჯობესების პროდუქტები შეიძლება სასურველი იყოს სხვა სასოფლო-სამეურნეო პროდუქტებზე, როგორიცაა მონაცემთა შეგროვება, რადგან მონაცემთა შეგროვება უკვე დიდი ხანია გრძელდება,,en, and historical yield data. They claim the predictions are more accurate then United States Department of Agriculture (USDA) reports.
Global applicability
The same AI technology can be potentially applied across the globe irrespective of farm, soil, climatic or other conditions. AI technology adapts based on unique regional conditions. For example, Slantrange, a San Diego-based start-up, found its plant counting algorithm incompatible with the South African farm conditions. So, it adapted its technology accordingly.
Yield Improvement
AI can help in yield improvement by providing products for development of new seeds, fertilizers, or crop protection. In fact, yield improvement products may be preferred over some other agricultural AI products such as data collection because data collection has AI been going on for a long time, თუნდაც გარეშე AI და სარგებელი გაუმჯობესების პროდუქცია უფრო ფინანსური ღირებულება,,en,სავარაუდოდ, ცოტა ხნით ადრე აპირებს აიღოს სოფლის მეურნეობაში ფართო მასშტაბები,,en,AI- ს უნდა გამოეყენებინა გამოწვევები ადრე,,en,AI- ის ყველაზე დიდი წვლილი, ალბათ, რესურსების ოპტიმიზაციას გახდის,,en,Kaushik არის ვნებიანი ტექნიკური მწერალი და პროგრამული არქიტექტორის პროფესიით,,en,ის დაინტერესებულია დიდი მონაცემებით,,en,Machine Learning და საწარმო განაცხადის განვითარება,,en.
დასკვნა
Probably it is going to take a while before AI is embraced in agriculture on a large scale. AI needs to sort out the challenges before that. The biggest contribution of AI will most probably be optimizing resources.
Author Bio: Kaushik is a passionate technical writer and a software architect by profession. He is interested in Big Data, AI, Machine Learning and Enterprise Application Development.
