Umjetna inteligencija (Artificial intelligence) je grana računalne znanosti koja se bavi proučavanjem i oblikovanjem računarskih sustava za koje je potreban neki oblik inteligencije. Takvi sustavi mogu učiti, donositi zaključke, razumjeti prirodni jezik te obavljati druge vještine za koje se zahtijeva razina i tip inteligencije poput čovjeka. Jedna od grana umjetne inteligencije je strojno učenje koje se danas svestrano koristi u poljoprivredi.
Poljoprivreda „igra“ ključnu ulogu u globalnom gospodarstvu. Pritisak na poljoprivredni sustav se povećava kontinuiranim širenjem ljudske populacije. Agro-tehnologija i preciznost poljoprivrede, koja se danas naziva i digitalna poljoprivreda, nastala je kao novo znanstveno područje koje koristi podatke uz intenzivni pristup pokretanja poljoprivredne produktivnosti uz minimaliziranje utjecaja na okoliš.
Strojno učenje poljoprivrednim strojevima daje mogućnost učenja bez strogog programiranja. Dijeli se u nekoliko kategorija: upravljanje usjevima, upravljanje stokom (stočarstvo) i upravljanje vodom i tlom.
Upravljanje putem strojnog učenja
Upravljanje usjevima odnosi se na predviđanje prinosa, otkrivanje bolesti, korova na usjevima, kvaliteta usjeva i prepoznavanje vrsta. To je važan alat za potporu donošenju odluka za predviđanje prinosa usjeva, uključujući potporu odlukama o tome koje usjeve uzgajati i što raditi tijekom sezone rasta usjeva. Točan model predviđanja prinosa usjeva može pomoći poljoprivrednicima da odluče što će uzgajati i kad rasti.
Jedna od najvažnijih briga u poljoprivredi su štetnici i bolesti, kontrola na otvorenom i u zaštićenim prostorima. Najrasprostranjenija praksa u suzbijanju štetnika i bolesti je ravnomjerno apliciranje pesticida po području usjeva. Ova praksa, iako učinkovita, ima visoke financijske i značajne ekološke troškove. Utjecaji na okoliš mogu biti ostaci u biljnim proizvodima, nuspojave na onečišćenje podzemnih voda, utjecaj na ekosustav itd.
Otkrivanje i upravljanje korovima još je jedan važan problem u poljoprivredi. Mnogi proizvođači ukazuju na korov kao najvažniju prijetnju za biljnu proizvodnju. Točno otkrivanje korova je od velike važnosti za održivu poljoprivredu, jer je korove teško otkriti i uništiti.
Algoritmi strojnog učenja zajedno sa senzorima mogu dovesti do točnog otkrivanja korova s niskim troškovima i bez ekoloških problema i nuspojava. Strojno učenje za otkrivanje korova može omogućiti razvoj alata i robota za uništavanje korova koji minimaliziraju upotrebu herbicida.
Procjena evapotranspiracije od ključne je važnosti
Upravljanje vodama u poljoprivrednoj proizvodnji zahtijeva značajne napore i ima značajnu ulogu u hidrološkoj, klimatološkoj i agronomskoj ravnoteži. Korištenje strojnog učenja mogu se procijeniti dnevne, tjedne ili mjesečne evapotranspiracije. Točna procjena evapotranspiracije složen je proces. Od velike je važnosti za upravljanje resursima u biljnoj proizvodnji, kao i za dizajn i upravljanje radom sustava za navodnjavanje.
Ovo učenje služi kod upravljanja tlom za predviđanje – identifikaciju svojstva poljoprivrednog tla, poput procjene sušenja tla, stanja, temperature i vlage.
Strojno učenje u stočarstvu
Stočarstvo se temelji na ponašanju životinja i stočnoj proizvodnji. Ponašanje životinja bavi se zdravljem, različitim aktivnostima životinja, s glavnom primjenom strojnog učenja u praćenju ponašanja životinja radi ranog otkrivanja bolesti, a stočna proizvodnja se bavi problemima u proizvodnom sustavu, gdje strojno učenje ima glavnu ulogu – točna procjena ekonomske bilance za proizvođače na temelju praćenja proizvodne linije. U stočarskom sektoru algoritmi strojnog učenja imaju potencijal za rano otkrivanje i upozoravanje na probleme. To predstavlja značajnu prekretnicu u stočarskoj proizvodnji.
Izvor: Gospodarski kalendar
