Фото: із відкритих джерел
У агротехнологіях зростає попит на проактивний моніторинг, але вирішальним стає не сам факт «алерту», а його точність — де і коли виникає проблема. В AgriSavant пояснюють, що поєднують супутникові дані з «наземною перевіркою» через AI-камери на полі.
Про це повідомляє сайт Аграрії разом з посиланням на Freshplaza.
Перехід від реактивного до проактивного землеробства — один із найпомітніших трендів в агротехнологіях: супутники, сенсори, штучний інтелект і предиктивна аналітика обіцяють виявляти проблеми ще до того, як вони стануть помітними в полі. Втім, як зазначає Шрей Гупта (AgriSavant), ключова складність — не згенерувати попередження, а зробити його достатньо точним і «прив’язаним» до конкретного місця та часу, щоб фермер міг діяти впевнено.
«Багато технологій сьогодні забезпечують проактивний підхід, але точність і прецизійність залишаються ключовими викликами», — говорить Гупта, розділяючи “accuracy” як правильне передбачення факту проблеми та “precision” як розуміння, де і коли вона виникне.
За його словами, AgriSavant намагається закрити цю прогалину через платформу farm intelligence AETOS, яка поєднує супутниковий моніторинг із власними AI-камерами, встановленими безпосередньо на господарстві. Логіка підходу така: супутники дають «макрорівень» огляду, але через відстань та інші обмеження не завжди забезпечують потрібну точність. Камери в полі, як пояснюють у компанії, дають “ground-truth” дані — тобто дозволяють валідувати й коригувати супутникові спостереження реальними умовами всередині поля.
Платформа безперервно відстежує низку індикаторів стану посівів, зокрема:
- тиск шкідників (pest pressure);
- ризики хвороб;
- ефективність зрошення;
- стрес рослин;
- рівні хлорофілу;
- засвоєння поживних речовин;
- вегетативний ріст.
У компанії наголошують, що проблеми часто стартують з однієї точки або «епіцентру». Якщо виявити цю локацію на ранній стадії та попередити агровиробника, можна вжити превентивних заходів до того, як ситуація пошириться на все поле. При цьому, за словами Гупти, підхід не зводиться до порад «що саме вносити»: система має показувати, що відбувається, де саме і наскільки серйозна проблема.
Де застосовують і на яких культурах навчали модель
Як зазначено в матеріалі, технологію AgriSavant використовують FPOs (фермерські продюсерські організації), компанії з контрактного землеробства, експортери, харчові переробники, виробники насіння та агробізнеси, які керують кількома виробничими майданчиками. Платформу позиціонують як crop-agnostic, але модель навчали на низці плодоовочевих культур, зокрема томатах, перці чилі, бамі (okra), огірках, ridge gourd, винограді, гранатах, а також на рисі.
Масштаб впровадження та заявлені ефекти
За даними AgriSavant, AETOS розгорнули на площі понад 4 000 акрів в Індії — у різних географіях, типах ґрунтів і кліматичних умовах у десяти штатах. Найбільший інтерес, як стверджують у компанії, пов’язаний із ранніми попередженнями, покращенням якості продукції, управлінням залишками (residue management), зниженням витрат на ресурси та кращою прозорістю операцій на господарствах.
Серед найбільш помітних результатів у компанії називають економію та зменшення використання хімії. Зокрема, у матеріалі наведено твердження, що в середньому вдавалось досягати економії близько 30 000 дол./га завдяки поєднанню нижчих витрат на ресурси та покращення якості врожаю, а також зниження використання хімічних засобів приблизно на 40% — через більш ранні попередження і можливість втручатися до ескалації проблеми.
«Сільське господарство поступово еволюціонує до використання правильного ресурсу в правильний час і в правильному місці», — підсумовує Гупта, пов’язуючи це з кращим розумінням того, що відбувається всередині поля.
Для агровиробників практичний сенс таких підходів — у більш точному визначенні «де саме» починається проблема та в можливості реагувати локально, не чекаючи, поки симптоми стануть масовими. Водночас ефективність і масштаби економії, наведені в матеріалі, подані як результати впроваджень компанії.