Με τον ίδιο τρόπο οι εικονικοί βοηθοί μας βοηθούν να ανακαλύψουμε το επόμενο αγαπημένο μας τραγούδι, ένα νέο πακέτο λογισμικού έχει χρησιμοποιήσει προηγμένη μηχανική μάθηση για να βοηθήσει τους αγρότες και τους γεωπόνους να εντοπίσουν τι χρειάζονται οι καλλιέργειες και τα εδάφη τους για να ενισχύσουν την απόδοση με βιώσιμο τρόπο, σύμφωνα με αυτό το άρθρο δημοσιεύθηκε από την AGDaily.
Οι επιστημονικές ομάδες της Επιστήμη Bayer Crop και Biome Makers δοκίμασε και αποκάλυψε την πρώτη εφαρμογή αυτής της πρωτοποριακής τεχνολογίας στις bioRxiv. Η μελέτη και το επιστημονικό έγγραφο που προέκυψε περιγράφουν λεπτομερώς την ανάλυση του μικροβίου εδάφους για την αξιολόγηση της αποτελεσματικότητας του βιολογικού μυκητοκτόνου Minuet της Bayer. Συγκεκριμένα, το λογισμικό μηχανικής μάθησης επέτρεψε στην Bayer CS να προβλέψει βελτίωση της απόδοσης της πατάτας πριν από την εφαρμογή της εισόδου. Το προβλεπόμενο αποτέλεσμα ήταν ένα ποσοστό απόδοσης έως και 40% σε ένα από τα πεδία που δοκιμάστηκαν στο Αϊντάχο.
«Είναι μια μοναδική προσέγγιση για τη χρήση της βιολογίας του εδάφους και τη βελτιστοποίηση της χρήσης των εισροών των καλλιεργειών προχωρώντας προς βιώσιμες και οικονομικά ευνοϊκές λύσεις για τη βελτίωση της παραγωγικότητας των καλλιεργειών», δήλωσε ο Varghese Thomas, επικεφαλής του έργου στο Bayer CS.
Αυτή η τεχνολογία είναι ένα τεράστιο άλμα προς τα εμπρός για τον γεωπόνο που, μέχρι τώρα, δεν είχε τα απαιτούμενα δεδομένα για να προσδιορίσει με ακρίβεια τις βιολογικές λύσεις για τις εποχικές αποφάσεις του εδάφους και των καλλιεργειών. Το έδαφος είναι ένα πολύτιμο πλεονέκτημα για την αύξηση της απόδοσης και της ποιότητας των καλλιεργειών, αλλά όπως ισχύει σήμερα, οι αγρονομικές συστάσεις βασίζονται σε λίγη γνώση των βιολογικών διεργασιών που συμβαίνουν σε αυτό. Αλλά σήμερα, με τη διαθεσιμότητα ενός εικονικού βοηθού AI για να προβλέψει το αποτέλεσμα διαφορετικών λύσεων, αλλάζει το παιχνίδι και η πρόοδος προς ένα πιο παραγωγικό και βιώσιμο γεωργικό σύστημα.
Η τεχνητή νοημοσύνη είναι ένας διαρκώς εξελισσόμενος πόρος και, ως εκ τούτου, αυτή τη στιγμή «εκπαιδεύεται» για την επίλυση και άλλων γεωργικών προβλημάτων, συμπεριλαμβανομένων ερωτήσεων σχετικά με τη διάρκεια ζωής των προϊόντων, την ποιότητα των θρεπτικών συστατικών του προϊόντος και τις προβλεπόμενες πιστώσεις άνθρακα με βάση τη χρήση διαφορετικών προϊόντα ή πρακτικές διαχείρισης. Οι κατασκευαστές εισόδου μπορούν να προσθέσουν τη δική τους, προσαρμοσμένη λύση στο σύστημα σύστασης AI, δοκιμάζοντάς το κάτω από την αυστηρή Γαομ πρωτόκολλο επιτόπιων δοκιμών.