Rundt 30 % av verdens ferskvannsforsyning brukes av landbruket, som også slipper ut rundt 25 % av alle klimagassutslipp. Fordi bøndene er avhengige av forutsigbart vær for å drive gårdene sine, kan uforutsette værforhold gjøre det vanskelig for dem å takle konsekvensene av klimaendringene. Å gjøre fremskritt på noen av de tidligere identifiserte problemene er utfordrende på grunn av mangelen på gårdsdata.
Gjennom dette prosjektet er det mulig for forskere, praktikere og dataforskere å utvikle rimelige digitale verktøy som vil hjelpe bønder på en rekke måter, inkludert å estimere utslippene deres på gården, forberede seg på klimaendringer ved å forutsi værendringer, og velge de beste forvaltningsteknikkene som vil øke jordhelsen.
For å utvikle verktøy som kan oppmuntre til bruk av bærekraftig landbrukspraksis, bygger de på vår tidligere studie om FarmBeats. Blant de kritiske teknologiene er:
FarmVibes. – Teknologien forutsier temperaturer og vindhastigheter, som informerer når og hvor han planter og sprøyter. Det hjelper ham også med å bestemme den ideelle dybden for å plante frø basert på jordfuktighet og forklarer hvordan forskjellige avlinger og metoder kan holde karbon bindet i jorda.
Forskerbehandlingsvalg senere på høsten vil være basert på det multispektrale dronebildet som ble brukt til å generere det. “De viser den potensielle innflytelsen av teknologi og kunstig intelligens på landbruket.
Microsofts Project FarmVibes har som mål å bruke kunstig intelligens (AI) for å hjelpe bønder med å designe fremtidens gårder.
Microsofts Project FarmVibes vil åpne kildekode for sine nyeste forskningsverktøy slik at de kan brukes langt utenfor Washington for å håndtere den kritiske matkrisen. De nye verktøyene vokste fra Microsofts arbeid med å integrere og analysere data. Nyere utvikling innen presisjon og bærekraftig landbruk gjenspeiles i disse verktøyene.
Datadrevet landbruk er en av de mest lovende teknikkene for å møte denne utfordringen, sier Microsofts sjeføkonom. Hos Microsoft prøver de å gi bønder data og AI for å forbedre oppdrettsferdighetene deres og hjelpe dem med å produsere næringsrik mat på en bærekraftig måte.
Resultatorientert forskning
For å utvide tilkoblingen til isolerte og landlige områder, bruker nelson for tiden FarmVibes. Connect, en Project FarmVibes-løsning som Microsoft planlegger å til slutt åpne kildekode. Gjennom tv-rom gir det ubrukte spekteret som flimrer som “snø” mellom kanalene bredbåndstilkobling. Nelson har nå en solcelledrevet Wi-Fi-ruterlignende TV-antenne som kan nå store deler av landet hans.
Async Fusion bruker data fra bakkebaserte sensorer og dronebilder for å produsere kart som kan hjelpe bønder med å forbedre avlingene og unngå overgjødsling. Disse kartene inkluderer næringsvarmekart, som lar Nelson endre hastigheten han planter frø og påfører gjødsel. Han kan også utvikle kart for å bruke ugressmiddel utelukkende på de nødvendige stedene ved å mate disse fotografiene inn i AI-modeller som kan gjenkjenne ugress.
DeepMC estimerer temperaturer og vindhastigheter for gårdens mikroklima ved hjelp av sensordata og værstasjonsprognoser.
Microsoft gjør sin nyeste forskning tilgjengelig for akademiske og kommersielle partnere for å hjelpe til med å oversette den for bønder over hele verden. Andrew Nelsons 7500 dekar med hvete-, belgfrukt- og rapsfarmer blir testet på Project FarmVibes-produkter. Han har til hensikt å bruke dem til å delta i karbonmarkeder, og kompensere bøndene for handlinger som hindrer karbondioksid fra å forlate landet.
Edge er et program som komprimerer enorme mengder data fra droneoppdagingsoppdrag. Ved å bruke FarmVibes lager Edge effektivt bilder som er små nok til å lastes opp til skyen. Nelson, for eksempel, reddet nøyaktig det han laget det første året han brukte statistikk for å styre sprøytingen. Han anslår at han vil spare 40 % ekstra på en av de mest brukte kjemikaliene etter høsten.
Nelson fortsetter å sette nye Microsoft Research-teknologier på prøve. En av de siste er Nelsons innhøsting som spores av sporbarhetssensorer fra gården for å transporteres til lagerbingen. Nelson kan overvåke karbondioksidnivåene ved hjelp av disse sensorene inne i kornsiloene. Nelson vil være klar over å slå på massive vifter for å beskytte avlingen hans hvis de øker, fordi det antyder at for mye fuktighet er skjult inni. Senere vil sensorene hjelpe til med avlingssporing, og sikre at for eksempel en viss type hvete som er bestemt til Asia er på den riktige lastebilen som kjører til riktig båt langs Snake River.
Referanseartikkel | Github | Prosjekt
Asif Razzaq er en AI-journalist og medgründer av Marktechpost, LLC. Han er en visjonær, gründer og ingeniør som ønsker å bruke kraften til kunstig intelligens for godt.
Asifs siste satsning er utviklingen av en Artificial Intelligence Media Platform (Marktechpost) som vil revolusjonere hvordan folk kan finne relevante nyheter knyttet til kunstig intelligens, datavitenskap og maskinlæring.
Asif ble omtalt av Onalytica i sin ‘Who’s Who in AI? (Influential Voices & Brands)’ som en av de ‘Influential Journalists in AI’ (https://onalytica.com/wp-content/uploads/2021/09/Whos-Who-In-AI.pdf). Intervjuet hans ble også omtalt av Onalytica (https://onalytica.com/blog/posts/interview-with-asif-razzaq/).