Apžvalga
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. Dėl AI taikymo taip pat kyla tam tikrų sunkumų, susijusių su duomenų prieinamumu ir ryšiu, kuris yra unikalus žemės ūkio sektoriui,,en,Greitas ir svarbus duomenų rinkimas yra svarbus siekiant padėti žemės ūkio sektoriui išspręsti problemas,,en,Daugelis skirtingų duomenų rinkimo technologijų ateina į rinką,,en,greitaeigio kintamo greičio sodinimo įranga pateikia tikslią "kaip pasodintą" informaciją, o derliaus rodikliai rodo derliaus duomenis,,en,Tokie duomenys yra naudingi kuriant prognozuojamus algoritmus,,en,Kenkėjų ir augalų ligų aptikimas,,en,Kenkėjai ir ligos gali sunaikinti derlių,,en,AI technologijos gali greičiau ir tiksliau aptikti augalų kenklius ir ligas nei apmokytas žmogus,,en,Viena iš tokių technologijų buvo "Resson" vaizdo atpažinimo algoritmas,,en,"Monsanto" augimo įmonės,,en,MGV,,sq.
Data collection
Fast and relevant data collection is important in helping the agriculture sector meet the challenges. Many different data collection technologies are coming to the market. 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) portfelio bendrovė, turinti biurus Kanadoje ir San Chosė,,en,Išeigos prognozė,,en,AI naudojamas siekiant nustatyti tikslias derliaus prognozes,,en,Tokios įmonės kaip "Orbital Insights",,en,Dekarto laboratorijos,,en,Gro Intelligence,,en,ir "Tellus Labs" kuria pelningumo prognozavimo algoritmus, pagrįstus palydoviniais vaizdais,,en,orų informacija,,en,ir istoriniai derlingumo duomenys,,en,Jie teigia, kad prognozės yra tikslesnės, tai yra Jungtinių Amerikos Valstijų žemės ūkio departamentas,,en,USDA,,en,ataskaitos,,en,Visuotinis taikymas,,en,Tos pačios AI technologijos gali būti taikomos visame pasaulyje nepriklausomai nuo ūkio,,en,klimato ar kitomis sąlygomis,,en,AI technologija pritaikoma remiantis unikaliomis regioninėmis sąlygomis,,en,kreivai klasės,,no,San Diego įsikūrusi įmonė,,en,nustatė, kad jo augalų skaičiavimo algoritmas nesuderinamas su Pietų Afrikos ūkio sąlygomis,,en,ji atitinkamai pritaikė savo technologijas,,en,Derlingumo gerinimas,,en.
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, weather information, 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 gali padėti pagerinti derlių, suteikiant produktus naujų sėklų vystymui,,en,trąšos,,en,arba augalininkystės apsauga,,en,derliaus gerinimo produktai gali būti teikiama pirmenybė kai kurių kitų žemės ūkio produktų AI produktų, tokių kaip duomenų rinkimas, nes duomenų rinkimas AI buvo ilgą laiką,,en,net be AI ir pelningumo gerinimo produktai turi daugiau finansinės vertės,,en,Tikriausiai tai užtruks, kol AI bus plačiai naudojamas žemės ūkyje,,en,AI turi išspręsti prieš tai iškilusius iššūkius,,en,Didžiausias AI indėlis greičiausiai optimizuos išteklius,,en,Kaushik yra aistringas technikas rašytojas ir programinės įrangos architektas pagal profesiją,,en,Jis domina dideliais duomenimis,,en,Mašinų mokymasis ir verslo programų kūrimas,,en,Žemdirbystė,,en, 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, even without AI and yield improvement products have more financial value.
Išvada
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.