Каква е разликата между прецизно, интелигентно и цифрово земеделие?

Каква е разликата между прецизно, интелигентно и цифрово земеделие?

Прецизно земеделие е технологичен подход към управлението на земеделието, който наблюдава, измерва и анализира нуждите на отделните полета и култури. Прецизното земеделие се формира от две тенденции: големи възможности за данни и съответните алгоритми, от една страна, и роботика – въздушни изображения, сензори, сложни местни прогнози за времето – от друга.

Интелигентно земеделие е прилагането на информационни и информационни технологии за оптимизиране на сложните системи на земеделие. За разлика от прецизното земеделие, фокусът на интелигентното земеделие не е върху прецизното измерване или определянето на различията в земеделското поле или между отделните животни. Фокусът е по-скоро върху достъпа до данни и прилагането на тези данни – как събраната информация може да се използва по интелигентен начин.

Същността на цифровото земеделие е в създаването на значима добавена стойност от тези данни. Цифровото земеделие интегрира и двете понятия – прецизно земеделие и интелигентно земеделие. Според доклада за цифровото земеделие от DLG (Германия), цифровото земеделие означава „последователно прилагане на методите за прецизно земеделие и интелигентно земеделие, вътрешно и външно изграждане на мрежи и използване на уеб базирани платформи за данни с анализи на големи данни“.

ВИЖТЕ ОЩЕ: Какво става с проекта за Стратегия за цифровизация на земеделието и селските райони?

Изкуственият интелект (ИИ) може да се използва за подпомагане на развитието на прецизното земеделие, при което, чрез комбиниране на данни от полетата и данни за времето, ИИ да предвиди кои полета се нуждаят от вода и тор и съответно да направи корекции. Това ще бъде от полза както за околната среда, така и за селското стопанство. Изменението на климата изисква нови форми на производство и ефективност в прилагането на оборски тор и пестициди. И накрая, земеделските земи все повече се претоварват и се деградират от тежката селскостопанска техника. В селското стопанство ИИ дава възможност на земеделските производители да пръскат точно там, където се появяват плевели, и да торят точно там, където може да се увеличи добива, като същевременно се защитят районите с найвисоки рискове на оттока. По-доброто използване на ресурсите ще спести пари на отделните земеделски производители и ще благоприятства опазването на околната среда.

Въз основа на проведените изследвания най-популярните приложения на ИИ в селското стопанство се разделят на три основни категории:
Земеделски роботи – компаниите разработват и програмират автономни роботи, които да се справят с основни селскостопански задачи. Разработват се роботи, които да помогнат на земеделските производители да намерят по-ефективни начини за защита на своите култури от плевели; роботи, които помагат на земеделските производители да прибират реколтата по-бързо от хората; ИИ за диагностициране на вредители или хранителни дефицити в почвата чрез разработено приложение за дълбоко самообучение.

Мониторинг на културите и почвите – компаниите използват компютърно зрение и алгоритми за дълбоко самообучение за обработване на данните, доставени от дроновете и/или софтуерно-базирани технологии за мониторинг на културите и почвеното здраве. Предвижда се, че приложенията за сателитно машинно зрение (за времето, здравето на културите, прогнозата за добива на културите и т.н.) ще станат все по-обичайни за големите промишлени ферми през следващите 5-10 години.

Предсказващи анализи – разработват се модели на машинно самообучение за проследяване и прогнозиране на различни въздействия върху околната среда върху добива на реколтата. Източниците на данни трябва да включват температура, валежи, скорост на вятъра и слънчева радиация, заедно със сравнения с исторически стойности за всички райони на земеделската земя. Обстойното тестване и валидиране на нововъзникващите приложения на ИИ в този сектор ще бъде от решаващо значение, тъй като селското стопанство се влияе от фактори на околната среда, които не могат да бъдат контролирани, за разлика от други отрасли, където рискът е по-лесен за моделиране и прогнозиране