Как машинное обучение меняет сельское хозяйство

Современная агрономия: прозрачная, управляемая и прогнозируемая

Подробнее

Подробнее

Машинное обучение — это технология, которая получая входные данные, анализирует их, обучается и принимает решение без вмешательства человека. Совокупность методов машинного обучения, которые работают с разными наборами необработанных данных и находят решения, называют глубоким обучением (Deep learning).

Сегодня эта технология — в ТОП-5 наиболее многообещающих технологий в сельском хозяйстве.

Машинное обучение позволит селекционерам выводить новые сорта культур быстрее

Селекционеры постоянно ищут необходимые свойства, которые позволят растению более эффективно использовать воду, питательные вещества, адаптироваться к изменению климата или сопротивляться болезням.

Чтобы растение приобрело полезное свойство, исследователи должны найти правильную последовательность генов. Это очень сложная задача, поскольку на начальном этапе ничего не известно.

Селекционеры перебирают миллионы вариантов, чтобы вывести новый сорт. Решение задачи может занимать десятки лет.  Глубокое обучение позволит упросить задачу — достаточно просто собрать полевые данные, как растение себе ведет в разных климатических условиях, и использовать эти данные для разработки вероятностной модели. Такой огромный массив информации искусственный интеллект обработает гораздо быстрее, чем любой человек. Система выдаст перечень, который поможет понять, какие гены, скорее всего, будут полезны для растения. Программа значительно сузит поиск полезных генов для сельскохозяйственных культур — она переберет миллионы комбинаций.  

Прогноз продуктивности культуры в зависимости от условий

Машинное обучение повышает точность растениеводства. Аграрий может оценивать  гораздо более широкий набор факторов. Компьютерное моделирование позволит получить оценку того, как различные культуры будут реагировать на разные типы почв, погодные условия и многие другие факторы. Такое цифровое тестирование не заменяет полевые испытаний, но позволяет селекционерам более точно прогнозировать производительность сельскохозяйственных культур. К тому времени, когда дело доходит до испытаний нового сорта, машинное обучение помогает селекционерам создать более тщательно проверенный продукт.

Ранняя диагностика заболеваний растений

Ранняя и точная диагностика заболеваний растений может повысить продуктивность агробизнеса. Традиционные методы заключались в выявлении заболеваний при визуальном осмотре. Но этот процесс неэффективен — человек склонен к ошибкам.

Но если эту задачу будет решать специальная программа, в которой реализована технология машинного обучения — эффективность значительно повысится. Для обученного компьютера диагностирование болезней растений — это, по сути, распознавание изображений. После анализа сотен тысяч фотографий больных растений, алгоритм машинного обучения может определить тип болезни и ее тяжесть. А в будущем сможет даже рекомендовать методы борьбы, чтобы ограничить потери урожая от болезней.

Машинное обучение позволяет точнее диагностировать болезни. Это позволит сэкономить ресурсы и уберечься от неправильных диагнозов. Фермеры могут загружать полевые изображения, полученные спутниками, БПЛА, внедорожниками, подойдут даже фотографии со смартфонов. А специальное программное обеспечение проанализирует, диагностирует и разработает план действий.

Выбор эффективных семян

Одной из основных задач современного агробизнеса является создание семян и средств защиты растений, которые повысят продуктивность сельского хозяйства. Одним из многих преимуществ машинного обучения является то, как эта технология может сделать процессы более точными и эффективными. В растениеводстве машинное обучение помогает выбирать "эффективные" семена. Эти семена  более адаптируемые и продуктивные в определенных условиях, и позволяют лучше использовать природные ресурсы.

Сегодня над алгоритмами машинного обучения для этой сферы уже работает несколько компаний, например, BOLT-LMM.

Машинное обучение — уже доступная технология

Раньше это была дорогая технология. Только крупные компании могли разрабатывать решения на основе машинного обучения. Но с удешевлением компьютерной техники, разработкой данных решений могут заниматься даже небольшие стартапы. Сегодня, имея суперкомпьютер за 5 тысяч долларов, несколько амбициозных инженеров-вычислителей теоретически могут совершить прорыв в сельском хозяйстве. А всего лишь 10 лет назад это было фантастикой.

Бесконечные перспективы технологии

Технологии машинного обучения могут совершенствоваться до бесконечности. Ученые могут проверять свои теории в реальном времени и большем масштабе.

Машинное обучение может предложить решения для рационального использования воды, более эффективного внесения СЗР и питательных веществ и адаптации сельскохозяйственных культур к изменениям климата.

Источник: modernag.org