Μηχανική Μάθηση (Machine Learning): Εφαρμογές στην Γεωργία

Το τελευταίο διάστημα η τεχνητή νοημοσύνη κάνει την παρουσία της ολοένα και περισσότερο αισθητή στην καθημερινή μας ζωή. Πολλές φορές την χρησιμοποιούμε χωρίς να το αντιλαμβανόμαστε.

Η Μηχανική Μάθηση είναι μια μορφή τεχνητής νοημοσύνης. Είναι μια τεχνολογία που βρίσκει εφαρμογή σε ποικίλους  κλάδους και στηρίζεται στην εκμάθηση και παροχή πληροφοριών σε μηχανές και λογισμικά συστήματα, με απώτερο σκοπό να δημιουργηθούν υψηλής ακρίβειας συστήματα λήψης αποφάσεων τα οποία μάλιστα θα  είναι απαλλαγμένα από το ανθρώπινο λάθος και τροφοδοτούμενα με ένα τεράστιο όγκο δεδομένο.

• Πως όμως η Μηχανική Μάθηση μπορεί να αξιοποιηθεί στην αγροτική παραγωγή;
• Είναι αναπόφευκτη η υποχρεωτική χρήση της από του αγρότες στο εγγύτερο μέλλον;

Αυτά είναι μερικά ερωτήματα τα οποία απασχολούν σημαντικά τον αγροδιατροφικό τομέα. Στις αναπτυγμένες χώρες διαπιστώνονται ήδη αλλαγές στον τρόπο καλλιέργειας, συγκομιδής, και μετασυλλεκτικών χειρισμών με στόχο την αύξηση της αποτελεσματικότητας χρήσης εισροών, αυτοματοποίησης κάποιον ενεργειών, λήξης αποφάσεων,  καθώς και αύξηση της παραγωγής και της βιωσιμότητας της αγροτικής εκμετάλλευση.

Μάλιστα, όπως φαίνεται και στο  γράφημα παρακάτω το μέγεθος της αγοράς της έξυπνης γεωργίας εκτιμάται πως θα συνεχίζει να παρουσιάζει μεγάλη άνοδο έως το 2030.

Γιατί Έξυπνη Γεωργία (και όχι Παραδοσιακή Καλλιέργεια);

Η αύξηση του παγκόσμιου πληθυσμού κάνει επιτακτική την ανάγκη για την διεύρυνση της παραγωγής πρωτογενών προϊόντων.

Η παραδοσιακή γεωργία όμως έρχεται αντιμέτωπη καθημερινά με προκλήσεις οι οποίες δυσχεραίνουν την κάλυψη των αναγκών ολόκληρου του πληθυσμού. Σημαντικό πρόβλημα αποτελεί η έλλειψη εργατικού δυναμικού που έχει ως αποτέλεσμα να αυξάνεται ο χρόνος που απαιτείται για την φύτευση των σπόρων και την συγκομιδή των καρπών. Ακόμα, γίνονται πιο έντονα και εκτεταμένα προβλήματα με ασθένειες οι οποίες είναι δύσκολο να αντιμετωπιστούν έγκαιρα. Αυτό οφείλεται σε δύο παράγοντες, αρχικά στην αδυναμία συνεχούς παρακολούθησης της καλλιέργειας από τους αγρότες αλλά και στην εμφάνιση ανθεκτικότητας των φυτών σε συγκεκριμένα φυτοπροστατευτικά προϊόντα. Επιπλέον, η κλιματική αλλαγή έχει επιφέρει αλλαγές στην θερμοκρασία, την υγρασία και την συχνότητα των βροχοπτώσεων επηρεάζοντας την ομαλή ανάπτυξη των φυτών και δημιουργώντας όλο και συχνότερα συνθήκες ευνοϊκές για την ανάπτυξη των εχθρών των καλλιεργειών. Τέλος, η εντατική βιομηχανική καλλιέργεια και η υποβάθμιση του εδάφους έχουν αρνητικό αντίκτυπο στην υγεία και παραγωγικότητας των εδαφών που χρησιμοποιούνται στην γεωργία, με αρνητικό φυσικά αντίκτυπο στην ποσότητα και ποιότητα των αγροτικών προϊόντων.

Όμως, με την χρήση έξυπνων τεχνολογιών είναι εφικτό να βελτιωθεί ποιοτικά και ποσοτικά η παραγωγή πρωτογενών τροφίμων, αφού θα δίνεται η δυνατότητα στους γεωπόνους και παραγωγούς να:

• Παρακολουθούν και να προβλέπουν τις καιρικές μεταβολές
• Παρακολουθούν την σύσταση του εδάφους σε θρεπτικά και οξυγόνο
• Προσδιορίζουν την γονιμότητα και δυναμική του εδάφους βάση της σύστασης του
• Ανιχνεύουν την θερμοκρασία του εδάφους
• Ανιχνεύουν και να αντιμετωπίζουν εγκαίρως αντιμετωπίζουν ζιζάνια, παράσιτα και πιθανές ασθένειες στις καλλιέργειες με εναλλακτικές πρακτικές (drones, ανάλυση εικόνας κτλ.)
• Πραγματοποιήσουν την συγκομιδή στο κατάλληλο στάδιο ωρίμανσης
• Αναπτύξουν σύστημα έγκαιρης αντιμετώπισης κινδύνου
• Περιορίσουν την αλόγιστη χρήση φυτοφαρμάκων και ζιζανιοκτόνων που συνεπάγεται εξοικονόμηση κεφαλαίων και μείωση της μόλυνση του περιβάλλοντος.

Ψηφιακές Τεχνολογίες

Οι ψηφιακές τεχνολογίες οι οποίες είναι ικανές να αλλάξουν τα δεδομένα στον χώρο της γεωργίας στηρίζονται στην χρήση και εφαρμογή:

• Ρομποτικών Συστημάτων
• Επίγειων και εναέριων ρομπότ/drones
• Δορυφόρων
• Αισθητήρων
• Λήψη και λεπτομερή ανάλυση εικόνας
• Ψηφιακών πλατφόρμων

Πιο συγκεκριμένα, με την έξυπνη γεωργία γίνεται χαρτογράφηση και δειγματοληψία του εδάφους και μέσω αισθητήρων προσδιορίζονται  εδαφολογικές παράμετροι  όπως η διαθεσιμότητα του εδάφους σε θρεπτικά συστατικά (φώσφορο, άζωτο και κάλιο), το διαθέσιμο οξυγόνο, η θερμοκρασία της καλλιέργειας και η υγρασία.

Τα δεδομένα αυτά καταγράφονται και αποθηκεύονται για να μπορούν να αναλυθούν οποιαδήποτε στιγμή με σκοπό την βελτίωση της απόδοσης της καλλιέργειας.

Ακόμα, με την χρήση αισθητήρων και καμερών στα drones προλαμβάνεται η εξάπλωση ασθενειών στην αγροτική εκμετάλλευση, ενώ με εναέρια συστήματα  ψεκασμού γίνεται εφαρμογή των φυτοφαρμάκων σε όποια σημεία/φυτά απαιτείται. Σκοπός είναι η συνεχής παρακολούθηση της καλλιέργειας σε πραγματικό χρόνο ώστε να περιοριστούν οι ποσότητες φυτοφαρμάκων που τοποθετούνται στα τρόφιμα.

Τέλος, σημαντικός ακόμα είναι ο ρόλος της έξυπνης γεωργίας κατά την συγκομιδή των καρπών που θα συλλέγονται με την βοήθεια μηχανημάτων στο κατάλληλο στάδιο ωρίμανσης το οποίο θα εκτιμάται με βάση το μέγεθος, το σχήμα του καρπού, το χρώμα, την κατάλληλη σπαργή αλλά, τη συνεκτικότητα της σάρκας στην πίεση, την περιεκτικότητα σε σάκχαρα, και υγρασία.

Η εισαγωγή των έξυπνο τεχνολογιών τόσο στην αύξηση της παραγωγής, στην βελτίωση της ποιότητας των προϊόντων, στην μείωση της σπατάλης τροφίμων αλλά εξοικονομεί και πολύτιμους οικονομικούς πόρους, ενέργεια, χρόνο (παραγωγής, συγκομιδής, κλπ) και βελτιστοποιεί την αποθήκευση και μεταφορά των προϊόντων.

Προσφέρει αίσθημα σιγουριάς και καλύτερου ελέγχου στις σύγχρονες αγροτικές επιχειρήσεις και τις βοηθά να αναπτυχθούν προσφέροντας πιο υγιεινά και ασφαλή προϊόντα στην αγορά. Ακόμα, η χρήση λογισμικών προγραμμάτων που καταγράφουν και ψηφιοποιούν λεπτομερώς την κατάσταση του εδάφους και των καλλιεργειών, βοηθά τους παραγωγούς να διατηρούν αρχείο με δεδομένα τα οποία μπορούν να αξιοποιήσουν για να προλάβουν κάποιον κίνδυνο, να έχουν πλήρη επίγνωση των αλλαγών αλλά και να τις προλάβουν αποφεύγοντας σπατάλες σημαντικών κεφαλαίων.

Όμως, απαιτείται περίοδος προσαρμογής για τους αγρότες και τους γεωπόνους του κλάδου, ώστε να μελετήσουν και να εκπαιδευτούν σε βάθος για τα οφέλη της πρακτικής και να την αξιοποιήσουν με τον καλύτερο δυνατό τρόπο.

Αναμφίβολα η χρήση της τεχνολογίας σε οποιονδήποτε τομέα και κλάδο της κοινωνίας έχει διττό ρόλο και πυροδοτεί αντιδράσεις από ένα ποσοστό ανθρώπων. Εκτός από την πληθώρα πλεονεκτημάτων όπως κάθε άλλη μέθοδος συνοδεύεται από ορισμένες προκλήσεις. Πρόκειται για έναν νέο τρόπο καλλιέργειας που απαιτεί εξειδικευμένους μηχανικούς για την συντήρηση των νέων σύγχρονων μηχανισμών, κάτι που τον πρώτο καιρό εφαρμογής θα εκλείπει. Η έλλειψη γνώσης και ενημέρωσης των γεωπόνων ενδέχεται στην φάση προσαρμογής να επιφέρει ορισμένα λάθη στην διαχείριση των καλλιεργειών. Ακόμη, η αλλαγή από την παραδοσιακή γεωργία απαιτεί υψηλό κεφάλαιο για την εξασφάλιση του νέου εξοπλισμού , συνεπώς οι μικρομεσαίες επιχειρήσεις δεν θα επιδιώξουν εύκολα αυτή την αλλαγή, δίχως κρατική βοήθεια. Παράλληλα πρέπει να εξασφαλιστεί ταχύτατη σύνδεση και διαθεσιμότητα διαδικτύου για την συνεχή καταγραφή των δεδομένων σε κάθε αγροτική περιοχή, αλλιώς χάνεται ο πλήρης έλεγχος των καλλιεργειών. Κρίνεται τέλος, επιτακτική η ανάγκη για θέσπιση νέων κανονισμών και νομοθετικών απαιτήσεων που θα αναφέρονται  εξ ολοκλήρου στον σύγχρονο τρόπο καλλιέργειας και θα αποτρέπει την διαφθορά και την ανομία.

Βιβλιογραφικές Πηγές

Precedence Research (2020).

Machine learning in agriculture: use cases and applications . (2023, February 1). itransition.

Indrajeet Kumar, J. R. (2021). Opportunities of Artificial Intelligence and Machine Learning in the Food Industry.

Lefteris Benos, A. C. (2021). Machine Learning in Agriculture: A Comprehensive Updated Review.

Sciforce. (2023, January 25). What is Smart Farming? It’s The Future of Agriculture. IoT For All .