Чому наші онуки можуть хотіти стати високотехнологічними фермерами

Доктор Анастасія Волкова, засновник та генеральний директор FluroSat, розповідає про майбутнє сільськогосподарських технологій та про те, чому вам слід піклуватися.

Якщо запитати сьогоднішніх малюків через 5–10 років: „Ким ти хочеш стати, коли виростеш?“ ми можемо почути «фермера» як відповідь і зрозуміло, чому б і ні.

стати

Хоча багато людей досі бачать сільське господарство, пов’язане з такими термінами або фразами, як „важка праця”, „фінансовий ризик” чи „відсутність технологічної розсудливості”, я вважаю, що лише за кілька десятиліть сільське господарство може бути найбільш оцифрованою та автоматизованою професією серед усіх, хто потребує знань у робототехніці, науці даних, сучасних обчисленнях тощо.

Як генерального директора стартапу в галузі agtech, мене часто запитують, як технології змінять майбутнє сільського господарства, і ось мої думки.

1. Гіперпов’язаність дозволить безперешкодно надсилати дані з полів

Відсутність зв’язку шкодить “автономному землеробству”. Це означає, що датчики IoT не зможуть постійно збирати дані, користувачі ферми не зможуть завантажувати польові спостереження через свої смартфони або навіть отримувати доступ до вдосконаленого програмного забезпечення в Хмарі, яке наповнене складними алгоритмами виявлення врожаю. Це також перешкоджає можливості дистанційного керування тракторами та безпілотниками для удобрення або обприскування посівів.

Завдяки LPWAN (малопотужна широкосмугова мережа), такі як LoRaWAN, Sigfox та інші технології, «підключена» ферма дозволить більше передавати дані з полів, що дозволить нам використовувати сільськогосподарські технології в повній мірі, закриваючи цикл між збором даних (із супутниковими знімками, датчиками IoT та механізмами) через виявлення стресу врожаю до внесення коригуючих дій (внесення добрив або прополювання).

2. Навчання моделей машинного навчання та ШІ, характерних для кожної ферми, для досягнення максимального потенціалу

Подібно до того, як сучасний фермер прагне слідувати найкращим агрономічним практикам, фермер майбутнього змагатиметься за ціни на сировину не лише за рахунок використання своїх „інстинктів хеджування”, але також застосовуючи навички науки про дані та покращуючи точність своїх моделей ведення фермерського господарства.

Машинне навчання (ML) як спосіб ітеративного навчання моделі може навчитися для того, щоб розпізнати, наприклад, бур’ян або певний ознака хвороби, перш ніж наші неозброєні очі можуть це виявити. Завдяки кращому підключенню ферм зображення з камер на супутниках, літаках, безпілотниках, тракторах та смартфонах фермерів стануть основним джерелом даних для виконання цих моделей ML. Ми зможемо використовувати дані для підготовки гіперлокальних моделей ML для вивчення обмежень та потенціалу кожної сотки на фермі.

3. Наукове моделювання, що застосовується для виявлення стресу врожаю та рекомендує точні виправлення

Як перейти від виявлення стресу на врожаї до запобіжних чи коригуючих дій? Проводячи експерименти.

Завдяки більшій співпраці між науково-дослідними установами та комерційними структурами, ми об’єднаємо успіхи наукового моделювання та ML у цій галузі («лабораторія до загону»). Завдяки автоматизації процесу проектування експериментів та збору даних можна дізнатися про вхідні та вихідні показники фермерської системи.

Так само для управління поживними речовинами - застосовуючи різні кількості добрив або хімічних речовин на різних ділянках поля, ми можемо розібрати потенціал поля та оптимізувати його, поклавши на кожну сотку лише потрібну кількість поживних речовин для досягнення оптимального врожаю.

4. Точні виправлення можуть виконувати роботи (трактори, безпілотники та датчики IoT)

Отже, у нас є моделі, що виявляють стрес на врожаї та пропонують рішення, що тепер? Наші трактори, безпілотники та польові датчики - ті самі машини та пристрої, які використовуються для збору інформації про напруження врожаю - можуть бути використані для дії на нього!

Трактори та безпілотники мають "автопілоти", модуль GPS-наведення, який дозволяє їм точно знаходити себе та викидати необхідну кількість добрив або хімічних речовин із правильною швидкістю та в точному місці, визначеному моделлю. Польові датчики, що визначають вологість ґрунту, вже можна запрограмувати на спрацьовування зрошувальної системи, коли вологість ґрунту опускається нижче певного рівня. З датчиками IoT, а також сучасними безпілотниками та тракторами ми бачимо, як петля зондування та дії, “вимірювання та управління” починає закриватися.

5. Людина як господар даних і як диригент польового оркестру

Підводячи підсумок, завдяки тому, що обладнання та датчики стають кращими та довше працюють на полях, покращується зв’язок, що забезпечує обмін даними без “прогулянки палицями” по фермі, а наукові моделі мають достатньо даних для вивчення найперших ознак стресу та рекомендують точні виправлення. Роль людини-оператора - фермера майбутнього - стане все більш важливою.

Для вдосконалення практики ведення сільського господарства в такій автоматизованій системі важливо, щоб ми відстежували якість даних, які вона збирає, і вдосконалювали «інтуїцію» або «логіку» ШІ високого рівня, якої вона слідує.

Фермерська система майбутнього - це поєднання двору робототехніки, майданчика для машинного навчання та “інкубаторію” IoT. Автоматизовані системи майбутнього можуть в якийсь момент стати plug-and-play, але деякий час вони будуть нагадувати «лабораторії алгоритмів» - подібні до FluroSense, механізму агрономічної аналітики, який ми створюємо на FluroSat.

Фермери майбутнього - це люди, які хочуть бачити стійку планету і можуть розробити інтелектуальні системи, щоб дізнатись про те, що потрібно нашій планеті. І чи не хотіли б ви, щоб наше наступне покоління знову відкрило самі секрети цього захоплюючого місця, яке ми називаємо «домом»? Я, звичайно, роблю!

Доктор Анастасія Волкова є генеральним директором/засновником FluroSat, стартапу з питань охорони здоров’я врожаю, який забезпечує масштабну агрономічну аналітику через свою платформу FluroSense для формування вигідних сільськогосподарських рішень. Вона є плідним доповідачем та письменницею на теми, що стосуються агтех, підприємництва та жінок у галузі технологій.

Аеронавігаційний інженер з доктором наук в галузі автономної безпілотної навігації, її досвід варіюється від проектів з роботами NASA на борту Міжнародної космічної станції до управління командою з 370 людей для УЄФА. Вона також була нагороджена стипендією Амелії Ерхарт та Woman Creating Change 2018 у штаті Новий Південний Уельс, Австралія за її відданість просуванню застосування аерокосмічної техніки.