Rohamosan terjednek az agráriumban a minél kisebb termelési egységre – egy állatra, egy növényi tőre vagy fára – összpontosító diagnosztikai eljárások, technológiák és műszaki eszközök. Ezt célozza a magyar Proofminder, amelynek szlogenje szerinti célkitűzése az, hogy minden tő mellé digitális agronómust küldjön a leghatékonyabb döntés előkészítéséhez szükséges adatok megszerzéséért. Az alapítókkal beszélgettünk.
Két nyomós ok a precizitás mellett
Minél többet tudunk például a több százas szarvasmarha-állomány egyes egyedeinek aktuális állapotáról, annál olcsóbb, gyorsabb baj esetén a beavatkozás. Az állatok testére erősített szenzorok-jeladók évek óta gyorsan terjednek. Ennél jóval komplikáltabb megoldás egy nagyobb ültetvény, különösen egy több millió tövet számláló szántóföldi tábla növényi egyedszintű megfigyelése, digitális mennyiségi és állapotfelmérése. Ugyanakkor a korszerű mezőgazdaság két nyomós okból is efelé halad. Egyrészt az egyedszintű növénygondozással jelentős inputanyag-megtakarítás érhető el – a gazda csak oda juttat ki és csak annyi öntözővizet vagy növényvédő szert, ahová és amennyi valóban indokolt. Másrészt ezzel csökkenthető a termőtalajok, a vízbázisok vegyszeres terhelése. Az eredmény jobb terméshozam, költségmegtakarítás, kisebb talajterhelés, pontosabb termésbecslés.
Hasznos felismerések
Ezt az átfogó célt szolgálja az az innováció, amelyet Vancsó Ambrus két kollégájával-barátjával, HavasNorberttel és Simon Leventével közösen dolgozott ki 2021-től.
– Egyikünk sem végzett agrármérnök. Amikor a startup cégünket alapítottuk, elsősorban az lebegett a szemünk előtt, hogy olyan fejlesztést dolgozzunk ki, amely valóban közvetlenül hasznos szolgáltatást nyújt az egészségesebb élelmiszert fenntartható módon előállító mezőgazdaság számára – mondja mindannyiuk nevében Vancsó Ambrus. Ez a technológia lett a Proofminder, amely növények és gyomok mesterséges intelligenciával (MI) történő felismerését végzi. A Nemzeti Agrárkamara TechLab inkubációs programjában bemutatkozó innovációt a Corteva Agriscience tesztelte, a parlagfű drónfelvételek révén végzett, célzott irtási képességének elemzésével.
98–99 százalékos pontossággal látni a táblát
Hogy a rendszer hogyan is működik, arról a napokban Páty közelében, egy gyomos kukoricatáblán győződtünk meg. A Proofminder drónra szerelt kamerája nagy felbontású képet rögzít a tábla egészéről, majd ezt a képet az MI feldolgozza. – A folyamat első fázisában megtanítjuk az MI-nek, hogy felismerje és morfológiai alapon megkülönböztesse a haszonnövényt a gyomoktól. Amikor a szoftver már képes erre, akkor digitális térképen jelöli az összes haszonnövénytövet. Így a gazdaság agronómusa 98-99 százalékos pontosságú képet kap egyrészt az állományról, másrészt a tábla állapotáról. A pontos tőszám alapján ellenőrizheti, hogyan sikerült a vetőmag csírázása, milyen lett például a differenciált vetés, a tőtáv-beállítások eredményessége. Láthatja, mennyit tettek tönkre vagy legeltek le a vadak. Amikor pedig megindul a gyomosodás, pontos képet kap arról, mely területek fertőzöttebbek, hol és milyen mértékben van szükség növényvédelmi beavatkozásra. A növényvédelmi gépek, például a precíziós permetezők fúvókavezérlése a digitális térkép alapján programozható, így valóban csak oda és csak annyi növényvédő szer kerül, amennyi indokolt –vázolja a folyamatot Vancsó Ambrus.
Ausztráliától Kolumbiáig
A rendszer ugyanakkor például kukoricacímerezéskor is használható. Havas Norbert szerint bármilyen növényfaj alaktani jellemzői megtaníthatók az MI-nek. – Ma, amikor egyre nehezebb megfelelő számú és megbízható napszámost találni, és megfizetni az élőmunkaerőt, a digitális technológia ebben is segít. Felismeri az elhagyott címereket, látja, hol milyen mértékű munkára van szükség, így jobban irányítható a munka, illetve az elvégzett címerezés minőségét is ellenőrizni lehet vele – mondja a társalapító.
A diagnosztikai rendszer értelemszerűen nem csak szántóföldi körülmények között alkalmazható. A Proofminder-alapítók szerint a magas terményértékű kultúrákban van igazán indokoltsága – például hazai intenzív almaültetvényeken. – A gyümölcsfák termésjellemzői, permetezése, betegségeik felismerése esetében az elv ugyanaz. A cél az, hogy állományszintű kezelés helyett precíz beavatkozásokat tegyünk lehetővé. Hol van szükség termésritkításra, gombaölő szeres vagy más növényvédelemre, hol sérült egy-egy gyümölcsfa? Ezt a rendszer képes megmutatni, így a precíziós eszközök konkrét térkép alapján végezhetik a munkájukat.
A faj- és fajtasokféleség tehát egyáltalán nem akadály az MI-alapú növényfelismerésnek. Így nem csoda, hogy a Proofminder alapítói a világ számos országából kaptak már felkérést. Ausztráliában ugyancsak egy hibridkukorica-termesztő gazdaságban mutatták be fejlesztésüket. Ott például olyan gyomfajta alakját, felismerését kellett megtanítaniuk a mesterséges intelligenciának, amilyen fajta Európában nem is él. Ténylegesen nemzetközi az érdeklődés: portugál olíva-, kolumbiai kávé- és dél-afrikai szőlőültetvényen is dolgoznak.
Cikkek viszik a hírét
Ami ennél meglepőbb: a Proofminder-technológia nem nagy költségvetésű, offenzív marketingkampány alapján terjed a világban. – Magunk is furcsálljuk, hogy szinte alig költünk hirdetésre. A közösségi médiás keretünk sem nagyon haladta meg a néhány tízezer forintot tavaly. Inkább szakmai cikkeket írunk a témában. Azt tapasztaljuk, hogy sikerül eltalálnunk azokat a kulcskérdéseket, fogalmakat, problémákat, amik a gazdaságokat ezen a téren érdeklik, mert a hozzánk forduló megbízások zöme innen ered. Elolvassák a cikkeinket, és felhívnak, hogy meg tudjuk-e oldani a különféle igényeiket – mondja Havas Norbert.
Nem tábla-, hanem növényszinten lehet dönteni
A Proofminder-alapítók kétségkívül jók a tömör, üzenetértékű megfogalmazásokban. A honlapjukon például úgy összegzik küldetésüket, hogy „minden növény mellé egy ’agronómust’ állítanak, és a levélszintű gazdálkodási platform révén olyan tényezők, tünetek válnak megtekinthetővé, láthatóvá, amelyek más megoldások számára láthatatlanok”. Vagy ha elvben láthatók is, nincs gazdaság, nincs agronómus, aki képes és hajlandó lenne egy több tíz vagy több száz hektáros tábla több millió növényi tövét megszemlélni, vagy egy gyümölcsfás ültetvény összes fájára felkapaszkodni.
– Más szóval, a növényi tő szintjére visszük le a döntés szintjét. Ez a legoptimálisabb szint, hiszen a tő és környezete állapota láttán egyértelmű, hol és mit kell pontosan tenni. A precíziós gépek pedig alkalmasak rá, hogy a tábla totális elemzéséből adódó digitális térkép alapján elvégezzék a pontos munkát – foglalja össze Simon Levente.
Világszerte elterjedhet
Elmondásuk szerint az alapítás 2021-es éve után tavaly ezres, idén már tízezres nagyságrendű lesz az a hektárszám, amin jelen van a technológiájuk. Ennek zöme szántó, kisebb hányada ültetvény. Jelenleg mintegy 300–500 agronómussal állnak kapcsolatban, és szeretnék, ha ez a szám a közeljövőben megtízszereződne. Ugyanakkor a jövőbeni növekedés kapcsán azt prognosztizálják, hogy a Proofminder-technológia szervezett, intézményes globális elterjedése egy nagy multinacionális vállalattal való együttműködésben valósulhat majd meg.
– Amikor megismertük egymást, eleinte kollégák, majd barátok lettünk. Nem úgy vágtunk bele a startup cég alapításába, hogy kész profil volt a fejünkben, ki kellett találnunk, mi legyen a konkrét szakterület, amire építünk – emlékszik vissza Havas Norbert. – Azt viszont tudtuk, hogy olyan innováción fogunk dolgozni, ami nem valamilyen hájpolt, öncélúan divatos valami, hanem ténylegesen hasznos, valóban van benne a konkrét üzleti-gazdasági alkalmazáson túl valamilyen társadalmi érdeket is szolgáló tényező. Úgy érezzük, a gyerekeinkért is felelősek vagyunk azzal, amit innovációként létrehozunk – fűzi hozzá.
– A mezőgazdaság sok lehetőséget kínál az ilyen fejlesztéseknek. Több tudományterület tudását ötvözi, és, őszintén mondom, ma már mi is nagyon szeretjük ezt a föld- és gilisztaszagú világot – teszi hozzá mindannyiuk nevében Vancsó Ambrus.
Kohout Zoltán
