طبق برنامه‌ریزی‌ها تا سال 2025 هزینه جهانی برای فناوری‌ها و سیستم‌های هوشمند و متصل کشاورزی نظیر هوش‌مصنوعی و یادگیری ماشین سه برابر می‌شود و براساس تحقیقات هوش تجاری (Business Intelligence) این هزینه به 15.3 میلیارد دلار می‌رسد. افزون بر این براساس گزارش تحقیق بازار Markets&Markets برای دستیابی به نرخ رشد مرکب سالانه (CAGR)25.5 درصد، تنها هزینه‌ها برای هوش‌مصنوعی و راهکارهای آن در حوزه کشاورزی از 1 میلیارد دلار در سال 2020 به 4 میلیارد دلار در سال 2026 خواهد رسید. در کشاورزی متصل بخشی از تکنولوژی که بیشترین سرعت رشد را دارد نظارت هوشمندانه بر کشاورزی با بهره‌گیری از اینترنت اشیاء است، که طبق پیش‌بینی‌ها تا سال 2025 ارزش آن به 4،5 میلیارد دلار خواهد رسید.
هوش‌مصنوعی، یادگیری ماشین و حسگرهای اینترنت اشیاء داده‌های لحظه‌ای را برای الگوریتم‌هایی که سبب افزایش کارایی کشاورزی، بهبود بازده محصول و کاهش هزینه تولید غذا می‌شود، فراهم می‌کنند. براساس پیشبینی سازمان ملل تا سال 2050 به جمعیت زمین 2 میلیارد نفر افزوده خواهد شد، موضوعی که مستلزم افزایش 60 درصدی تولید غذا در جهان تا سال 2050 است. طبق اعلام دپارتمان خدمات تحقیقات اقتصادی وزارت کشاورزی ایالات متحده، صنعت تولید، فرآوری و توزیع مواد غذایی تنها در این کشور یک تجارت 1.7 تریلیون دلاری است. هوش مصنوعی و یادگیری ماشین که از قبل پتانسیل‌های خود را نشان داده‌اند، در حال حاضر توانایی کمک به کاهش شکاف مواد غذایی مورد نیاز برای 2 میلیارد نفر اضافی در سراسر جهان تا سال 2050 را دارند.
تصور کنید حداقل 40 عملیات ضروری باید در آن واحد برای مناطق کشاورزی بزرگ چندصد هکتاری رهگیری، داده‌ها وارد اکسل و پایش شود. بدست آوردن بینش از اینکه وضعیت هوا، نوع تابش نور خورشید در هر فصل، الگوی مهاجرت حیوانات، پرندگان و پشه‌ها، استفاده از کودهای به خصوص، حشره‌کش‌ها، دوره‌های کاشت و آبیاری چگونه بر محصول اثر می‌گذارد، مساله بسیار مناسبی برای یادگیری ماشین است. با این تفاسیر این سوال پیش می‌آید که موفقیت اقتصادی بیشتر در یک چرخه تولید محصول چگونه وابسته به داده‌ها نبوده است؟ این همان دلیلی است که اکنون رویکرد داده‌محور درکشاورزان و کارخانه‌های فعال در حوزه توسعه کشاورزی در حال دو برابر شدن و دامنه و مقیاس بکارگیری هوش مصنوعی و یادگیری ماشین برای بهبود کمیت و کیفیت محصولات کشاورزی در حال گسترش است. در ادامه 10 روش کمک هوش مصنوعی و یادگیری ماشین برای بهبود وضعیت کشاورزی در سال 2021 مطرح می‌شود:
1- استفاده از سیستم‌های نظارتی مبتنی بر هوش مصنوعی و یادگیری ماشین برای پایش لحظه‌ای هر محصول و نقض موارد مورد نظر کشاورزان توسط انسان‌ها و حیوانات به صورت ویدئویی و دریافت هشدار
هوش مصنوعی و یادگیری ماشین ریسک نابودی تصادفی محصولات توسط حیوانات یا دزدی از محصولات توسط انسان‌ها را در مزارع دوردست کاهش می‌دهد. با تحلیل ویدئویی مبتنی بر الگوریتم‌های هوش مصنوعی و یادگیری ماشین که به سرعت در حال پیشرفت است، هر فردی که به نوعی در حوزه کشاورزی فعالیت می‌کند می‌تواند از مزرعه یا محیط‌های ساختمانی خود محافظت کند.
2- هوش‌مصنوعی و یادگیری ماشین می‌تواند پیشبینی تولید محصول را از طریق تحلیل لحظه‌ای داده‌های حسگرها و تحلیل تصاویر تهیه شده توسط پهبادها بهبود بخشد
مقدار زیاد داده‌هایی که توسط حسگرهای هوشمند و پهبادهایی با قابلیت انجام پخش ویدئویی جمع‌آوری می‌شود یک مجموعه داده کاملا جدید را برای متخصصان کشاورزی فراهم می‌کند که تاکنون به آن دسترسی نداشته اند. حالا این امکان برای ترکیب داده‌های میدانی نظیر میزان رطوبت و میزان کود و مواد مغذی طبیعی برای تحلیل الگو رشد هر محصول در طول زمان وجود دارد. یادگیری ماشین بهترین تکنولوژی برای ترکیب مجموعه داده‌های بسیار بزرگ و فراهم کردن توصیه‌هایی برگرفته از محدودیت‌ها برای افزایش تولید محصولات کشاورزی است.
3- نقشه‌برداری از محصول یک تکنیک کشاورزی است که بر نظارت الگوریتم‌های یادگیری ماشین اتکا دارد کمک می‌کند کشاورزان در یک مقیاس بالا از مجموعه داده‌ها الگوها را بدست آورند
این امکان وجود دارد تا قبل از شروع چرخه پوشش گیاهی از نرخ عملکرد بالقوه یک مزرعه خاص اطلاع داشت. با بهره‌گیری از ترکیب تکنیک‌های یادگیری ماشین برای تحلیل نقشه‌برداری 3 بعدی، داده‌های محیطی حاصل از حسگرها و داده رنگ خاک که توسط پهبادهای جمع‌آوری شده، اکنون متخصصین کشاورزی می‌توانند ظرفیت بالقوه خاک برای تولید محصول را پیشبینی کنند.
4- سازمان ملل، آژانس های بین المللی و افرادی که عملیات‌های گسترده کشاورزی انجام می‌دهند پیشگام در استفاده از ترکیب تصاویر پهبادها و داده‌های میدانی برای مدیریت آفات هستند.
با استفاده از ترکیب داده دوربین‌های مادون قرمز پهبادها و حسگرهایی که درون مزرعه سطح سلامت گیاهان را پایش می‌کنند، تیم‌های کشاورزی از هوض مصنوعی بهره می‌گیرند و نوع آفات را شناسایی و هجوم آفات را از پیش پیشبینی می‌کنند.
5- امروزه کشاورزان با کمبود کارگر مواجه هستند. ساخت تراکتورهای هوشمند و ربات‌های کشاورزی با بهره‌گیری از یادگیری ماشین و هوش مصنوعی یک گزینه قابل دوام برای کشاورزان است که با چالش پیدا کردن نیروی انسانی برای امور مزارع خود درگیر هستند.
کسب‌وکارهای بسیار بزرگ کشاورزی نمی‌توانند به اندازه کافی نیروی انسانی پیدا کنند و به همین دلیل به ربات‌ها برای امور صدها هکتار از مزارع خود روی آورده‌اند. موضوعی که عنصر امنیت را برای مزراعی که در دوردست قرار دارند نیز فراهم کرده است. برنامه‌دهی به ربات‌های خودران برای توزیع کود در هر ردیف از محصول نه تنها هزینه کشاورزان را کاهش می‌دهد بلکه تولید محصول را نیز افزایش می‌دهد.
6- بهبود رهگیری و قابلیت رهگیری زنجیره تأمین موانع را از راه ارائه محصولات تازه و ایمن‌تر به بازار فراهم ساخته است.
شیوع همه گیر در سال 2020 رهگیری و ردیابی را در تمام زنجیره‌های تأمین کشاورزی تسریع کرده است و این روند به مسیر خود در سال 2021 ادامه می‌دهد. یک سیستم رهگیری و تعقیب که خوب مدیریت شده باشد با فراهم کردن امکان شفافیت و کنترل در تمام مراحل زنجیره تأمین، جمع‌شدن موجودی محصولات را کاهش می‌دهد. بیشتر سیستم‌های رهگیری و تعقیب پیشرفته از سنسورهای پیشرفته برای جمع‌آوری اطلاعات بیشتر از شرایط هر محموله استفاده می‌کنند. امروزه وجود سنسورهای بازشناس با امواج رادیویی و سنسورهای اینترنت اشیا در سراسر مراحل تولید به امری عادی بدل شده است.
7- در حالی که بهینه سازی ترکیب مناسب سموم دفع آفات زیست تخریب پذیر و محدود کردن کاربرد آنها فقط در مناطق زراعی نیازمند درمان سبب کاهش هزینه‌ها می‌شود، افزایش محصول یکی از رایج ترین کاربردهای هوش مصنوعی و یادگیری ماشین در کشاورزی است.
با استفاده از ترکیب سنسورهای هوشمند و پهبادها، کاربرد هوش مصنوعی در کشاورزی می‌تواند مناطق آلوده به آفات را تشخیص دهد. الگوریتم های تحت نظارت یادگیری ماشین می توانند مخلوط بهینه سموم دفع آفات را برای کاهش تهدید آفات در گسترش بیشتر و آلوده کردن محصولات سالم تعریف کنند.
8- پیش بینی قیمت محصولات براساس نرخ عملکرد که به پیش بینی کل حجم تولید کمک می کند ، در تعریف استراتژی های قیمت گذاری برای یک محصول معین بسیار ارزشمند است.
درک میزان عملکرد و سطح کیفی محصولات به شرکت های کشاورزی ، تعاونی ها و کشاورزان کمک می کند تا برای بهترین قیمت ممکن برای محصول خود مذاکره کنند. با در نظر گرفتن تقاضای کل برای یک محصول معین می‌توان استراتژی قیمت گذاری را مشخص کرد.
9- یافتن نشت‌های آبیاری، بهینه سازی سیستم های آبیاری و اندازه گیری میزان تأثیر موثر در آبیاری مکرر محصولات ، باعث افزایش نرخ عملکرد می شود.
آب کمترین منبع در بسیاری از مناطق آمریکای شمالی است، به ویژه در جوامعی که بیشتر به کشاورزی به عنوان تجارت اصلی خود اعتماد می کنند. کارآمد بودن در استفاده از آن می تواند به معنی تفاوت بین سودآوری یا عدم سودآوری یک مزرعه یا عملیات کشاورزی باشد. از برنامه نویسی خطی غالباً برای محاسبه مقدار بهینه آب مورد نیاز یک مزرعه یا محصول خاص برای رسیدن به سطح عملکرد قابل قبول استفاده می شود. الگوریتم های تحت نظارت یادگیری ماشین برای اطمینان از اینکه مزارع و گیاهان آب کافی برای عملکرد بهینه و بدون اتلاف دارند ایده آل است.
10-حصول اطمینان از سلامت دام با نظارت بر سلامت دام، از جمله علائم حیاتی، سطح فعالیت روزانه و مصرف مواد غذایی، یکی از جنبه های سریع رشد هوش مصنوعی و یادگیری ماشین در کشاورزی است.
درک چگونگی واکنش هر نوع دام به رژیم غذایی و شرایط شبانه روزی در درک چگونگی درمان بهتر آنها در طولانی مدت بسیار ارزشمند است. استفاده از هوش مصنوعی و یادگیری ماشینی برای درک آنچه گاوها را شاد نگه می دارد در تولید شیر بیشتر ضروری است.
منبع: forbes
