Minden idők legprecízebb növényvédelme deep learning-gel

Írta: Gönczi Krisztina - 2021 október 09.

Már szinte mindent meg tudunk tanítani a gépnek, amit mi tudunk – legalábbis felismerni. A lényeg azonban ezután jön: a döntés. Itt tart most a mesterséges intelligencia a növényvédelemben.

 

Diopsis rovarszkenner
A Diopsis rovarszkenner (forrás: arise-biodiversity.nl)

 

Komplex rendszerek

Az egyre nagyobb adatmennyiség kezelésére képes, nagyteljesítményű számítógépek, a kiváló szenzorok és grafikus kártyák megjelenésével párhuzamosan megszülettek azok a tanulóprogramok is, amelyek a neurális hálózatok mintájára működnek. A deep learning során egy sor olyan mintát táplálnak a gépbe, amelyeket előbb az emberek címkéztek fel. A tanulás során a gép újabb és újabb képekkel találkozik, amelyekkel tovább finomítja a „tudását”, és egyre könnyebben képes beazonosítani azt, hogy mit „lát”.  A szekkenelés eredményére aztán további cselekvésvezérlő programok építhetők, amelyek így együttesen a mesterséges intelligencia benyomását keltik.

A mezőgazdaságban ilyen adatbázisok épülnek például gyomfelismerés céljából, de újabban a rovarfajok meghatározására is. Jellemzően a multinacionális növényvédőszer-gyártók járnak a kutatás élén. Egy profi adatbázissal és tanuló programmal lehetővé válna minden idők legprecízebb növényvédelme: célzottan egy adott faj ellen lehetne fellépni akkor, amikor ennek egyedsűrűsége átlépi a védekezési küszöböt.

 

Erre futhat ki az okos program

A Syngenta Diopsis nevű rovarszkennere hasonló elven működik. A rovarokat egy viszonylag nagyméretű sárga lapra csalogatják, ahol egy digitális kamera fotót készít róluk, majd ezeket összehasonlítja az adatbázisában szereplő képekkel. A rovarok detektálása és beazonosítása teljesen automatikusan megy végbe. A végső cél, hogy a rovarállomány feltérképezését követően egy döntéstámogató szoftver javaslatot tegyen a termelő számára a szükséges beavatkozásra. A felmérés a biodiverzitás fokáról is információval szolgál. Mivel az EU feltett szándéka, hogy a jövőben csak a környezet állapotát mérhetően javító gyakorlatok után adjon agrártámogatást, belátható, hogy a szoftvernek ezen a téren is óriási jelentősége lehet.

A Syngenta a beporzók védelmében is élen jár, és hiszi, hogy ha a gazdálkodó elegendő információval bír a hasznos és kártékony rovarok mennyiségéről az adott területen, akkor jobb döntéseket hoz arról, hogy szükséges-e vegyszeres védelemmel beavatkoznia a természet egyensúlyába. Ma Hollandiában 115 darab Diopsis rovarszkenner működik. Mivel az egyes fajok földrajzi elterjedése eltérő, azért az itt beazonosított fajok nincsenek teljes átfedésben a hazai fajokkal, de az adatbázis „honosítható”. Előbb-utóbb eljön az idő, amikor nemcsak a növényeket érő nitrogénhiányról, de a többi veszélyes környezeti tényezőről is tűpontos adatokkal fogunk rendelkezni. És innentől kezdve rajtunk múlik, mit kezdünk a tudásunkkal.

 

Lásd a témát részletesebben itt: Mesterséges intelligenciával támogatott mezőgazdaság.