دیجیتالی شدن هوشمند در کشاورزی: هوش مصنوعی برای پایدارتر کردن تولید محصولات کشاورزی

دیجیتالی شدن هوشمند در کشاورزی: هوش مصنوعی برای پایدارتر کردن تولید محصولات کشاورزی

هواپیماهای بدون سرنشین برای نظارت بر علف‌های هرز و ربات‌هایی که بیماری‌های گیاهی را تشخیص داده و درمان می‌کنند، ممکن است شبیه داستان‌های علمی تخیلی به نظر برسد، اما در واقع در حال حاضر، در برخی از مزارع آزمایشی شاهد این وقایع هستیم. محققان گروه PhenoRob Cluster of Excellence در دانشگاه بن در حال کار بر روی پیشبرد دیجیتالی شدن هوشمند کشاورزی هستند و اکنون فهرستی از سوالات تحقیقاتی را منتشر کردهاند که در آینده باید به عنوان اولویت در این حوزه مورد بررسی قرار گیرند. این مقاله در مجله علمی European Journal of Agronomy توسط Hugo Storm و همکاران، در سال 2024 منتشر شده است. 

امروزه این واقعیت بر کسی پوشیده نیست که روش‌های کشت فعلی تنوع زیستی را تهدید می‌کنند، تولید کودهای مصنوعی گازهای گلخانه‌ای تولید کرده و مواد شیمیایی کشاورزی مانند سموم باعث آلودگی آب و محیط‌زیست می‌شوند. اما بسیاری از این مشکلات را میتوان با استفاده از روشهای هوشمند کاهش داد، به عنوان مثال به جای سمپاشی کل مزرعه، علف‌کش‌ها فقط در قسمت‌هایی از مزرعه که علف‌های هرز واقعاً به یک مشکل تبدیل می‌شوند، استفاده شوند. سایر امکانات این است که محصولات بیمار را به صورت جداگانه درمان کنید و کود را فقط در جایی که واقعاً مورد نیاز است استفاده کنید. 

راه حل این مسائل استفاده از فناوریهای دیجیتال هوشمند مصنوعی است که نیازمند همکاری محققان از رشته‌های مختلف، از جمله اکولوژی، علوم گیاهی، علوم خاک، علوم کامپیوتر، رباتیک و اقتصاد کشاورزی است.  

Hugo Storm در مقاله خود تحت عنوان ” Research priorities to leverage smart digital technologies for sustainable crop production “، گامهایی را که باید در کوتاه مدت به عنوان اولویت مورد بررسی قرار گیرند، بیان کردند؛ از جمله نظارت بر زمینهای کشاورزی توسط تصاویر ماهوارهای (نمای کلی)، هواپیماهای بدون سرنشین یا روباتها (نظارت دقیق) برای شناسایی کمبود مواد مغذی، رشد علفهای هرز یا هجوم آفات در زمان واقعی، ثبت فرآیند وضعیت فردی گیاهان، استفاده از یادگیری ماشین و هوش مصنوعی برای دستیابی به مدلهای پاسخ دهی برای نسخه‌های دیجیتالی از زمین‌های کشاورزی جهت تعیین میزان مورد نیاز کود، میزان تحمل علف هرز و آفت و تعیین زمان و مکان مداخله کشاورز با تعیین میزان کود و سموم. 

برای مثال با استفاده از “digital twin” از مناطق زیر کشت با کمک حسگرها و انواع مختلف دادهها، میتوان رشد ریشه یا آزاد شدن ترکیبات نیتروژن در خاک را بررسی کرد. بنابراین، این امکان فراهم میگردد که سطوح کود نیتروژن مورد استفاده در زمان واقعی در مکانهای مختلف مزرعه با نیازهای محصولات تطبیق داده شود.

منبع: 

Hugo Storm, Sabine Julia Seidel, Lasse Klingbeil, Frank Ewert, Harry Vereecken, Wulf Amelung, Sven Behnke, Maren Bennewitz, Jan Börner, Thomas Döring, Juergen Gall, Anne-Katrin Mahlein, Chris McCool, Uwe Rascher, Stefan Wrobel, Andrea Schnepf, Cyrill Stachniss, Heiner Kuhlmann. Research priorities to leverage smart digital technologies for sustainable crop production. European Journal of Agronomy, 2024; 156: 127178 DOI: 10.1016/j.eja.2024.127178 

Comments

No comments yet. Why don’t you start the discussion?

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *