Veštačka inteligencija (AI) nudi novi način praćenja oprašivača insekata koji su neophodni za poljoprivredu.
U novoj studiji, instalirali smo minijaturne digitalne kamere i kompjutere u stakleniku na farmi jagoda u Viktoriji, Australija, da bismo pratili pčele i druge insekte dok su leteli od biljke do biljke oprašujući cveće.
Koristeći prilagođeni softver za veštačku inteligenciju, analizirali smo nekoliko dana video snimaka iz našeg sistema da bismo izgradili sliku ponašanja oprašivanja na širokom području.
Na isti način na koji praćenje puteva može pomoći da se saobraćaj nesmetano odvija, naš sistem obećava da će oprašivanje učiniti efikasnijim. To će omogućiti bolje korišćenje resursa i povećanje proizvodnje hrane.
Uz rastuću ljudsku populaciju i ograničene prirodne resurse, proizvodnja hrane treba da postane efikasnija i održivija. Precizna poljoprivreda zasnovana na novim tehnologijama, poput veštačke inteligencije, može pomoći u obezbeđivanju buduće proizvodnje hrane.
Efikasno oprašivanje je ključno za proizvodnju zdravog voća, povrća, mahunarki i orašastih plodova.
Za optimalno oprašivanje potreban je tačan broj poseta cvetovima oprašivača insekata. Premalo ili previše poseta, ili poseta neefikasnih oprašivača insekata, mogu umanjiti kvalitet hrane koju proizvodi cvetna biljka.
Tipične tehnike za praćenje oprašivanja insekata koriste direktno vizuelno posmatranje ili hvatanje u posudu, koje su radno intenzivne i traju mnogo dana.
Pored toga, bez veoma velikog broja obučenih posmatrača nemoguće je prikupljati istovremene podatke na velikim farmama. Ipak, takvi podaci su potrebni da bi se obezbedili vremenski kritični dokazi o obimu oprašivanja useva, pre nego što se zatvori period oprašivanja u sezoni.
Sa našim digitalnim sistemom, međutim, menadžer farme bi mogao da dobije podatke o nivoima oprašivanja useva istog dana.
Kako fino zrnasta analiza kretanja oprašivača insekata omogućava bolju proizvodnju hrane Praćenje medonosnih pčela na biljkama jagode.
Naš sistem za praćenje oprašivanja postavljen je na farmi Sunni Ridge u stakleniku jagoda otvorenom za insekte. Niz kamera pratio je aktivnost insekata među jagodama, snimajući medonosne pčele, lebdeće mušice, moljce, leptire i neke ose.
Obim podataka koje naš sistem prikuplja zahteva prilagođeni softver za pouzdano praćenje pojedinačnih insekata koji lete među složenim lišćem.
Ključni problem koji naš softver prevazilazi je identifikovanje pokreta insekata unutar video sekvence, tako da se pojedinačni insekt na jednoj putanji ne broji slučajno više puta. Ovo omogućava tačnu procenu broja insekata u regionu u toku dana, analizu njihovog tipa (npr. vrste) i praćenje poseta njihovih cvetova.
Naš prilagođeni softver koristi hibridni model detekcije za otkrivanje i praćenje insekata i cveća u video zapisima. Ovaj model kombinuje mogućnosti dubokog učenja za otkrivanje objekata zasnovane na veštačkoj inteligenciji koristeći konvolucionu neuronsku mrežu, zajedno sa zasebnim algoritmima za detekciju u prvom planu za identifikaciju preciznih položaja insekata i cveća koje posećuju u snimljenim video zapisima.
Softver uključuje funkcije za efikasniju obradu podataka i uštedu energije računara.
Putevi insekata koje proizvodi naš softver izračunavaju se korišćenjem metode zvane mađarski algoritam. Ovo ispituje pozicije insekata u svakom video kadru u nizu i omogućava identifikaciju podudarnosti između lokacija insekata u nizu video kadrova.
Snimanjem i vizuelizacijom ovih puteva stičemo razumevanje ponašanja insekata i efikasnosti oprašivanja u stakleniku.
Jagode daju kvalitetan plod nakon najmanje četiri posete insekata na pojedinačnom cvetu. Previše poseta zapravo može oštetiti cveće i smanjiti kvalitet ploda.
U posmatranom području češće su zabeležene posete cvetova pčela nego posete drugih insekata. Naša analiza je pokazala da je 68% zabeleženih cvetova primilo minimalni broj od četiri posete insekata koji su potrebni za potpuno đubrenje tokom perioda praćenja.
Dok su medonosne pčele najviše doprinele oprašivanju, posete drugih insekata često su dovele do toga da pojedinačni cvetovi postižu željeni prag od četiri posete, potencijalno poboljšavajući prinos useva.
Otkrivanjem broja, vrsta i vremena insekata potrebnih za optimalno oprašivanje, naš sistem praćenja pruža poljoprivrednicima dokaze koji su im potrebni za donošenje odluka.
Na primer, saznanje u kojoj meri je usev oprašen omogućava uzgajivačima da promene lokacije i broj košnica kako bi povećali nedostatak oprašivanja.
Poljoprivrednici takođe mogu otvoriti ili zatvoriti bočne zidove staklenika kako bi podstakli ili obeshrabrili posete insekata iz određenih pravaca. Oni mogu odlučiti da dodaju privlačno cveće kako bi privukli insekte da istraže regione useva koji su bili neadekvatno posećeni.
Ove jednostavne intervencije mogu osigurati veću stopu uspeha oprašivanja i veći prinos voća tržišnog kvaliteta. Ovako pametno upravljanje insektima obećava da će pomoći u zadovoljavanju potrebe da se rastuća populacija hrani zdravim proizvodima.
