A DLG (Német Mezőgazdasági Társaság) a DLG Feldtage szakvásáron mutatja be új, FarmRobotix névre keresztelt platformját. A június 11-13. között tartandó rendezvény helyszíne a németországi Soester Börde szívében található Brockhof birtok, amely a rendkívül mély lösztalajoknak köszönhetően egy rendkívül termékeny régió.
A FarmRobotix olyan gazdálkodók és szakértők számára kínál nemzetközi platformot, akik kompakt és átfogó információkat keresnek a növénytermesztésben alkalmazott robotika, mesterséges intelligencia, automatizálás és digitális megoldások legújabb fejlesztéseiről.
A mezőgazdasági termelőknek, gyártóknak, start-up vállalkozásoknak és technológiai szolgáltatóknak szervezett FarmRobotix ezen felül lehetőséget kínál a tudomány és a kutatás képviselőinek, valamint a fejlesztőmérnököknek, befektetőknek és kockázati tőkebefektetőknek a hálózatépítésre, tudásmegosztásra, valamint innovatív technológiák felfedezésére.
Ez a technológiai cikk azokat a kérdéseket mutatja be, amelyek jelenleg a legnagyobb kihívást jelentik a digitális és autonóm technológiák növénytermesztésben történő alkalmazása során, valamint azt, hogy a FarmRobotix platform milyen mértékben járulhat hozzá e problémák megoldásához.
Florian Schiller, a szász-anhalti Bernburgban található Nemzetközi DLG Növénytermesztési Központ (IPZ) digitalizációs szakértője szerint a FarmRobotix egy olyan platform, amely a digitális technológiák mezőgazdasági követelményeire összpontosít.
A digitális technológiáknak mindenekelőtt olyan gyakorlati eszközökként kell szolgálniuk, amelyek hatékonyabbá, egyszerűbbé, valamint kevésbé idő- és munkaigényessé teszik a mezőgazdasági vállalkozók mindennapi operatív munkáját.
A platform célja, hogy a digitális eszközök a leginkább felhasználóbarát módon működhessenek.
„Jelenleg számos digitális megoldás áll a gazdálkodók rendelkezésére a különböző növénytermesztési feladatokhoz, ezek alkalmazása azonban a felhasználó részéről előzetes ismereteket igényel” – magyarázta Schiller. Ez abból adódik, hogy a digitális megoldások minden egyes szolgáltatója jellemzően egy-egy testreszabott szoftverrendszert szállít a digitális eszközök és az adatok felhasználására. „A mezőgazdasági gazdálkodók szempontjából ez azt jelenti, hogy minden egyes digitális eszközzel, amelyet a gazdaságukban bevezetnek, potenciálisan nő a megtanulandó szoftveralkalmazások száma” – fejtette ki Schiller. „A FarmRobotix platformja ugyanakkor szerepet kaphat abban, hogy lendületet adjon a gazdák, a gyártók és a tudomány közötti párbeszédnek, így a különböző gyártók digitális alkalmazásai kompatibilissé válhatnak egymással”.
Robotikai megoldások a nagyüzemi gazdálkodáshoz
A robottechnika további fontos kérdése a mezőgazdasági területeken történő nagyüzemi alkalmazás. A vetéshez és a mechanikai növényvédelemhez már léteznek robottechnikai megoldások, ugyanakkor „a jövő szempontjából igen fontos kérdés, hogy a robotika vagy az autonóm megoldások hogyan integrálhatók a hatékonyságra törekvő, már meglévő szántóföldi gazdálkodási rendszereinkbe” – hangsúlyozza Schiller.
A mezőgazdaság területén mind az állattartásban, mind a szabadföldi, szántóföldi területeken alkalmazott robotika különböző fokú automatizálással rendelkezhet, kezdve a részben autonóm módon működő, de továbbra is az emberi kezeléstől függő rendszerektől egészen a teljesen önműködő megoldásokig.
A részben önálló mezőgazdasági rendszereket a növénytermesztésben használják, mint például a mechanikai és kémiai növényvédelemben alkalmazott robotrendszereket kisebb robotokkal, vagy a szenzoros egyedi fúvókavezérlésű nagy gépeket. Ezenkívül léteznek robotizált rendszerek a vetéshez, a trágyázáshoz és a talajműveléshez is.
Az állattenyésztésben az autonóm rendszereket főként fejőrobotként, automata takarmánykeverőként, valamint etető- és tisztítórendszerekként alkalmazzák.
A mesterséges intelligencia a mezőgazdaságban magas szintű, különleges képzést igényel
Néhány más iparágtól eltérően a mezőgazdaságban az önvezérelt rendszerek alkalmazása még mindig a kísérleti és kutatási szakaszban van. Ez főként annak köszönhető, hogy egy mezőgazdasági robotnak jóval összetettebb feladatokat kell ellátnia, mint például egy ipari termelésben használt rendszernek.
Florian Schiller, a DLG szakértője kifejtette, hogy a növénytermesztésben alkalmazott robotok milyen szintű komplexitást képviselnek. A DLG IPZ gazdasága több, a növénytermesztésben alkalmazott digitalizációval és mesterséges intelligenciával foglalkozó kutatási projektnek is részese, köztük a német szövetségi gazdasági minisztérium által finanszírozott NaLamKI projektnek – ez a Sustainable Agriculture with AI (Fenntartható mezőgazdaság mesterséges intelligenciával) rövidítése.
A kutatási projekt célja olyan AI-szolgáltatások kifejlesztése a mezőgazdaság számára, amelyek képesek a hagyományos és autonóm mezőgazdasági gépek, műholdak és drónok adatainak elemzésére, azok szoftveres szolgáltatási platformon történő kombinálására és az eredmények nyílt interfészeken keresztül történő hozzáférhetőségének biztosítására. A projekt egyik társult partnereként az IPZ a búzában előforduló gombabetegségek korai felismerésén is dolgozik mesterséges intelligencia segítségével. A további projekt partnerek közé tartozik a Fraunhofer Távközlési Intézet (Heinrich Hertz Intézet, HHI), a John Deere mezőgazdasági gépgyártó és a Hohenheimi Egyetem.
Florian Schiller meglátása szerint a NaLamKI projekt ismét rámutatott arra, hogy még mindig nagy szükség van a kutatásra, mielőtt a mesterséges intelligenciát széles körűen alkalmazható lenne a mezőgazdaságban.
Schiller ezt az adatgyűjtés magas költségeivel magyarázza, amelyekre a növénytermesztés egyes alkalmazásaihoz van szükség. A mesterséges intelligenciának ugyanis nagy mennyiségű képzési adatra van szüksége bizonyos növénytermesztési alkalmazásokhoz ahhoz, hogy mindez a gyakorlatban hasznosítható legyen. Jó példa erre a gombabetegségek felismerésének területe.
A kihívás: a jellemzők széles választékának megkülönböztetése
A NaLamKI projektben kutatott, mesterséges intelligenciával támogatott gombabetegség-felismerés célja, hogy a multi- és hiperspektrális képelemzés segítségével meg lehessen állapítani, hogy mikor történt gombafertőzés egy növénykultúrában – „még mielőtt azt az emberi szem észlelni tudná” – emelte ki Schiller.
Ehhez a különböző gombafajok spektrális jellemzőit rögzíteni kell a növény levélfelületén, hogy megfelelő tréningadathalmaz jöhessen létre a mesterséges intelligencia számára.
A DLG szakértője szerint a kihívásokat az jelenti, hogy a levélfelület spektrális tulajdonságait nemcsak a gombakórokozók, hanem olyan külső tényezők is befolyásolják, mint például a szárazság vagy a növény tápanyagellátása.
Más megfogalmazásban: a mesterséges intelligenciát úgy kell betanítani, hogy képes legyen felismerni mindazokat a különböző sajátosságokat, amelyeket a gombakórokozók befolyásolhatnak. „Az AI-rendszerek esetében ezért mindig kulcsfontosságú, hogy az adatok pontos információkat szolgáltassanak a felismerendő tulajdonságokról. Ellenkező esetben az AI-modellek nem azt tükrözik, amiről elvileg információt kellene szolgáltatniuk” – mondja Schiller. Következésképpen még sok munka szükséges a különböző szakértők részéről, mielőtt a növénybetegségek felismerése készen áll a gyakorlati alkalmazásra, ugyanakkor Schiller meggyőződése, hogy a FarmRobotix is jelentősen hozzájárulhat a szükséges hálózatok kialakításához.
