Elektrická bugina skúma plodiny pre udržateľné poľnohospodárstvo
- Autor:
- Roman Mališka
- Zverejnené:
- 13. 10. 2020
- Hodnotenie:
- Už ste hlasovali.
Spoločnosť X je výskumná skupina, ktorá pracuje na riešení myšlienok vo veľkom rozsahu prostredníctvom technologických inovácií. V rámci svojej najnovšej činnosti sa tím zameriava na trvale udržateľné poľnohospodárstvo. Projekt s názvom Mineral využíva špičkový softvér a hardvér v podobe špeciálneho stroja na analýzu rastlín, ktorý umožní poľnohospodárom pestovať rozmanitejšie plodiny.
Tím stojaci za projektom Mineral poukazuje na to, že sa pri pestovaní spoliehame na relatívne malý počet druhov plodín, pričom veľká časť poľnohospodárskej pôdy sa venuje pestovaniu ryže, pšenice a kukurice. Takáto jednotvárne pestovanie robí plodiny náchylnými na škodcov a choroby, viacej trpia na zmeny podnebia a zároveň sa zhoršuje kvalita pôdy a rozmanitosť jej mikrobiómu.
Výskumníci vidia odpoveď na tieto problémy v tom, čo nazvali ako výpočtové poľnohospodárstvo. V rámci neho by pokročilý hardvér, softvér a senzory umožnili poľnohospodárom preniknúť do genetickej rozmanitosti až 30 000 druhov jedlých rastlín po celom svete. To by im mohlo umožniť identifikovať a pestovať odolnejšie plodiny v určitých prostrediach a znížiť tak ich závislosť od hnojív, chemikálií a vody.
Najprv teda začal tím zhromažďovať informácie z rôznych miest o veciach, ako je pôda, historické údaje o plodinách a počasie. Potom vytvoril prototyp poľnohospodárskeho stroja s elektrickým pohonom, aby mohol sledovať to, ako rastliny rastú v týchto rôznych prostrediach. Stroj v podobe „elektrickej buginy“ bol potom využitý na poliach v štáte Illions, na ktorých boli vysadené jahody a sója.
Elektrická bugina využíva na presné určenie polohy každej rastliny GPS a pomocou kamier a senzorov zhromažďuje informácie o zdraví rastlín. To umožnilo stroju analyzovať plodiny, ako sú melóny, hlávkový šalát, či ovos. Získané dáta ponúkli podrobné informácie, ako je veľkosť listov a plodov, výška rastlín a počty bôbov.
K týmto informáciám sa potom pridali ďalšie údaje o počasí a pôde, spolu so satelitnými snímkami. Algoritmy strojového učenia následne zisťovali vzory a poskytli náhľad na to, ako plodiny v konkrétnom prostredí rastú. Výskumníci dúfajú, že táto schopnosť monitorovať zdravie jednotlivých rastlín v priebehu času by mohla pomôcť poľnohospodárom lepšie predpovedať výnosy plodín a zvýšiť celkovú produkciu ich polí.
