Bekæmpelsen af afgrødeskadegørere undergår en forandring med ankomsten af en Robot med kunstig intelligens, der kan opdage sygdomme på bare 10 sekunder og anvende den præcise dosis pesticid i det øjeblik, hvor træet har brug for det. Dette forslag passer perfekt til den europæiske forpligtelse til mere præcist og bæredygtigt landbrug, hvilket reducerer overforbruget af pesticider uden at efterlade plantagerne ubeskyttede.
Systemet, der er udviklet inden for det videnskabelige felt og allerede er patenteret, er blevet testet med succes i olivenlunde og andre træafgrøder Den er designet til integration i intensivt landbrug, hvor hvert træ tæller, og profitmarginerne er små. Ideen er enkel at forklare, men kompleks at implementere: Maskinen kan diagnosticere træets helbred i realtid og handle kirurgisk i stedet for at sprøjte hele marken vilkårligt.
En AI-drevet allieret mod afgrødeødelæggende skadedyr
Skadedyr og sygdomme er fortsat en af de største hovedpiner for landbrugssektoren. Internationale organisationer anslår, at Omkring 40% af den globale landbrugsproduktion går tabt hvert år på grund af insekter, svampe, bakterier og vira, der påvirker afgrøder. Bag disse tal ligger økonomiske tab, risici for fødevaresikkerheden og konstant pres på producenterne.
Indtil nu har den mest almindelige reaktion på et udbrud været massegasning af parcellerneHvis der opdages et problem i ét område, sprøjtes hele afgrøden uden at skelne mellem sunde og syge træer. Det betyder, at der bruges flere agrokemikalier end nødvendigt, hvilket øger produktionsomkostningerne og forstærker miljøpåvirkningen – noget, der kolliderer med EU's mål om at reducere pesticidforbruget i de kommende år.
Den nye AI-drevne robot blev skabt netop for at bryde den logik. I stedet for at behandle marken som en homogen overflade, Den analyserer tilstanden af hvert træ og dets blade i realtid.Systemet afgør, om der er en sygdom eller ej, og anvender produktet lokalt ud fra det. På denne måde anvendes behandlingen kun, hvor der er et reelt problem, hvilket undgår spild af produktet på sunde områder.
Denne filosofi passer godt sammen med præcisionslandbrug Denne teknologi vinder frem i Spanien og Europa, især inden for intensive afgrøder som olivenlunde, citrusfrugter samt sten- og kernefrugter. Ved at kombinere sensorer, kunstig intelligens og automatisering åbner den døren for langt mere præcis landbrugsstyring, noget af interesse for både store landbrugsejendomme, kooperativer og små, teknologisk avancerede landbrug.
Fra laboratoriet til felten: hvordan kunstig intelligens blev trænet
En af projektets største udfordringer var at sikre, at kunstig intelligens vil fungere under virkelige feltforholdOg ikke kun med perfekte laboratoriefotos. I praksis optræder blade med skygger, lysændringer, forskellige orienteringer og endda blandet med frugter eller blomster, hvilket i høj grad komplicerer automatisk diagnose.
For at overvinde den hindring, en en specifik database med cirka 4.000 billeder Fotografierne, der blev taget manuelt i marken, omfattede sunde blade, syge blade og også prøver, der kunne være misvisende, såsom dele af frugten eller områder, der ikke var i fokus.
Med det materiale, systemets neurale netværk så han ville lære at skelne mellem sunde blade, syge blade og uklassificerbare prøverDenne tredje kategori er nøglen: Når billedet ikke tilbyder tilstrækkelig kvalitet (på grund af skygger, dårlig belysning eller bevægelse), kasserer AI'en det i stedet for at forsøge at fremtvinge en diagnose, hvilket reducerer risikoen for fejl.
Resultatet af denne kontinuerlige træningsproces er en algoritme, der er i stand til at at opnå en nøjagtighed på tæt på 90% i påvisning af sygdommeselv under skiftende lysforhold og med træer i bevægelse, efterhånden som robotten bevæger sig fremad. Det handler ikke kun om at vide, om træet er sygt eller ej, men også om at måle graden af skade baseret på andelen af beskadigede blade i forhold til sunde.
Parallelt med computervisionsarbejdet blev systemets reaktionsmønstre defineret: når AI'en beregner den pågældende skadegrad, oversætter informationen til specifikke doseringsinstruktioner til applikationsudstyret, som gør det muligt at justere behandlingens intensitet i henhold til sværhedsgraden af det detekterede fokus.
En robot, der diagnosticerer og fumigerer på under 10 sekunder
Ud over den algoritmiske udvikling er det slående ved dette system, at den hastighed, hvormed den fuldfører hele arbejdscyklussenFra det øjeblik kameraet registrerer træet, til produktet påføres, tager processen ikke mere end ti sekunder, hvilket er særligt relevant på landbrug, hvor robotten skal bevæge sig langs lange rækker af planter.
Enheden integrerer to hovedmoduler: i Foran er der et kamera, der tager billeder af bladene og kronen Mens den bevæger sig gennem afgrøden, er en robotarm udstyret med adskillige doseringsdyser forbundet til sprøjtesystemet placeret bagpå. Begge elementer koordineres af AI for at arbejde synkront.
Arbejdsgangen kan opsummeres i tre sammenhængende trin. Først scanner frontkameraet træet og sender billederne til computervisionssystemet. Derefter bruger den kunstige intelligens... Den klassificerer tilstedeværelsen af sygdom, identificerer problemets type og beregner omfanget af påvirkningen. på få sekunder. Endelig positionerer robotarmen sig selv og anvender den korrekte mængde pesticid, præcis i det område, hvor angrebet er blevet registreret.
Doseringen er ikke ensartet: robotten kan Varier behandlingens intensitet afhængigt af den berørte del af træetHvis angrebet er koncentreret i de øvre områder, øges dosis i den øvre del; hvis problemet er i de midterste eller nedre dele, justeres påføringen til disse områder. Derudover overvejes strategier, hvor det mest berørte område modtager 100% af det tilsigtede produkt, nærliggende områder 50% og de fjerneste punkter 25%, og derved forebygges spredning af problemet.
Denne handlingslogik gør robotten til et værktøj, der er i stand til at kombinere korrigerende, forebyggende og endda prædiktive behandlingeraltid baseret på, hvad den "ser" og analyserer på jorden. Det næste planlagte trin er at montere systemet bag på en traktor og forbinde det til en GPS-modtager for at kunne køre automatisk kortlægning hver intervention, noget meget nyttigt for den langsigtede forvaltning af gården.
Anvendelser i olivenlunde, citrusfrugter og andre europæiske afgrøder
Prototypen blev oprindeligt designet til at intensiv produktion af olivenlundeDenne sektor har betydelig vægt i regioner som Andalusien, Extremadura, Castilla-La Mancha og dele af Italien og Grækenland, hvor oliventræer er en vigtig afgrøde. Arbejdet med oliventræer har muliggjort validering af systemet i en træagtig, flerårig art med høj økonomisk værdi, hvor skadedyr og sygdomme er velkendte i branchen.
Robottens arkitektur er dog designet til at være tilpasses stort set alle typer træafgrøderMed passende træning og kalibreringsjusteringer kan den samme teknologi anvendes på citrusfrugter (appelsin-, citron-, mandarintræer), kernefrugt (æble-, pæretræer), stenfrugter (fersken-, blomme-, kirsebærtræer) eller endda visse espalierlignende vinmarkskonfigurationer.
I citrussektoren er et af fokusområderne at forbedre tidlig opsporing af alvorlige og vanskeligt behandlede sygdommeMuligheden for, at robotten kan gå gennem rækkerne, identificere de første symptomer og markere de træer, der skal fjernes eller behandles mere intensivt, tilbyder et nyttigt værktøj til at stoppe spredningen af patologier, der i mange tilfælde ikke kan kureres og tvinger de berørte træer til at blive fjernet.
Denne hurtige og lokaliserede detektionskapacitet passer til kontrolstrategier, der fremmes i Den Europæiske Union at begrænse skaderne forårsaget af nye patogener og invasive skadedyr. Jo før et udbrud identificeres og håndteres, desto mindre sandsynligt er det, at det bliver et regionalt problem med de tilhørende økonomiske og kommercielle konsekvenser.
Værktøjets potentiale er ikke begrænset til diagnose og behandling: ved at integrere de oplysninger, der indsamles af AI, med positionerings- og kortlægningssystemer er det muligt at opbygge detaljerede kort over, hvordan sygdomme udvikler sig i markenDette hjælper teknikere med at planlægge opgaver, justere behandlingsplaner og træffe beslutninger baseret på data, ikke blot lejlighedsvise visuelle inspektioner.
Mindre pesticid, reduceret miljøpåvirkning og omkostningsbesparelser
En af styrkerne ved denne AI-robot er, at Det bryder med massegasningsmodellen som har været brugt i årtier. Ved kun at behandle de specifikke træer og områder, der har brug for det, falder produktforbruget betydeligt og dermed de direkte omkostninger ved hver plantesundhedsbehandlingskampagne.
At reducere mængden af brugskemikalier har en åbenlys bivirkning: Mængden af pesticider, der når jorden, vandet og miljøet, reduceres.Denne reduktion i miljøpåvirkningen er særligt relevant i en tid, hvor europæiske regler bliver stadig strengere, både med hensyn til affaldsgrænser og brugen af visse aktive ingredienser.
Derudover hjælper automatisering af en del af processen med at reducere operatørers direkte eksponering for potentielt giftige produkterDa robotarmen nærmer sig trætoppen og udfører behandlingen, kan medarbejderne holde sig på større afstand og fokusere på opgaver som tilsyn, vedligeholdelse og udstyrskontrol.
Fra et økonomisk synspunkt åbner muligheden for at justere doser og anvendelsesområder døren for langt mere effektive ledelsesstrategierI en kontekst med stigende input- og energiomkostninger bliver det en konkurrencemæssig faktor for mange landbrug, både store og mellemstore, at kunne spare produkter uden at miste effektiviteten i skadedyrsbekæmpelsen.
Endelig tilbyder systemet en ekstra fordel: ved at registrere alt, hvad afgrøden gør, og hvordan den reagerer, giver det mulighed for generere en historisk datapost, der letter beslutningstagningen i de efterfølgende sæsoner. At vide, hvor flere udbrud har vist sig, hvordan de har reageret på bestemte behandlinger, eller hvilke mønstre der gentages sæson efter sæson, er værdifuld information for enhver producent, der ønsker at forfine deres strategi.
Kombinationen af maskinsyn, neurale netværk og lokaliseret anvendelse i denne AI-drevne robot giver et klart eksempel på, hvordan teknologi kan integreres i landbruget for at gøre det mere præcist, effektivt og ansvarligt. Efterhånden som markforsøg udvides, og resultater observeres på tværs af forskellige gårde og afgrøder, tyder alt på, at disse typer løsninger vil spille en stadig vigtigere rolle i den daglige drift af intensive landbrug i Spanien og resten af Europa.
