Onderzoekers aan de Universiteit van North Carolina ‘ s Center for Geospatial Analytics (CGA) worden met behulp van artificiële intelligentie (AI) en machine learning (ML) om de boeren te helpen beter aan te passen aan hun gewassen aan de veranderende klimaten.
Spreekt ZDNet, CGA associate director Ranga Raju Vatsavai zei dat zijn team van onderzoekers heeft in samenwerking met Lenovo voor de laatste twee jaar aan de ontwikkeling van AI en ML oplossingen om de boeren te helpen preventief identificeren van manieren om de beste te optimaliseren water en energie — en uiteindelijk adres van de bedreigingen aan voedselonzekerheid.
“Ons onderzoek is het extraheren van bruikbare kennis van de datasets. Voedsel, energie en water zijn een goede toepassing, omdat de bevolking gaat tot 10 miljard tegen 2050. Nu, we zijn gebruik te maken van 70% van zoet water voor de landbouw”, zei hij.
“De uitdaging is mensen in 2050, we moeten bijna een verdubbeling van de voedselproductie die we vandaag hebben. Wat dat betekent is dat we nodig hebben 60% meer voedsel, 50% meer energie, en er zal ook een stijging van 10% in het gebruik van water.
“Natuurlijk, we kunnen groeien gewassen, maar we kunnen niet groeien land. De vraag is hoe we technologie kunnen gebruiken efficiënt te verhogen van de productiviteit van het gewas.”
Zie ook: Top 5 dingen om te weten over boerderij tech (TechRepublic)
Lenovo werkstations, zoals de ThinkStation P920 uitgerust met high-end Gpu ‘s samen met Lenovo’ s LiCo AI framework, samen met de ThinkStation P330 Klein zijn wordt gebruikt door CGA ter ondersteuning van deep learning algoritmen die grote hoeveelheden van de ruimtelijke gegevens van de sensoren in het veld.
Vatsavai zei de gegevens worden zodat CGA te voorzien van real-time updates voor boeren over hoe ze kunnen verbeteren water-en energiebesparing.
“Wat we proberen te doen is te voorspellen … wanneer [boeren] kan het plannen van hun irrigatie, dus het gebeurt alleen wanneer ze het nodig hebben. Dit is in vergelijking met de standaard irrigatie systeem dat je meestal een programma van tevoren, en het spuiten van water of het nodig is of niet,” zei hij.
Op dezelfde manier, met dezelfde methoden zijn toegepast om de manier waarop mest wordt gebruikt als ongebruikt, kunnen stromen naar het nabijgelegen water bronnen en besmetten, Vatsavai zei.
“Nu met meststoffen, programmeer je de tractor en het beweegt over het veld met het. Het niet te veranderen, het niet herkennen of er in de bodem of het gewas is er, of de locatie moet het of niet,” zei hij.
“Alleen al vorig jaar meer dan $1 miljard van kunstmest werd verspild in de mid-west regio in de Verenigde Staten … en dit is waar ons onderzoek is gericht op het begrijpen van deze uitdagingen door het gebruik van geschikte sensoren, data en machine learning.”
Vatsavai toegevoegd dezelfde toepassing kan worden toegepast om de boeren te helpen bepalen of ziekten verspreiden zich over hun gewas of als onkruid groeit, wat uiteindelijk zal hen in staat stellen om het probleem eerder, eerder dan te wachten voor het probleem te escaleren.
Verwante Dekking
Het optimaliseren van de IoT voor blueberry boerderijen: Een leerervaring voor Intel
ZDNet is Stephanie Condon vertelt Karen Roby hoe Intel verbeterd zijn Aangesloten Logistiek Platform na het uitvoeren van een pilot-project met de bosbes van de boeren.
SwarmFarm schalen met AU$250,000 QLD overheid subsidie
Het Queensland agtech opstarten plannen voor het openen van een nieuwe op-boerderij kantoor faciliteit en de huur van 15 extra personeel.
Farmbot het leveren van op afstand watering oplossingen te Aussie boeren
Het maakt gebruik van algoritmen voor het detecteren van afwijkend gedrag in het water niveau af te leveren in de buurt van real-time rapporten aan de landbouwers.
Farmbot het leveren van op afstand watering oplossingen te Aussie boeren
Subsidies tot AU$30.000 tot twee-derde van de kosten van de IoT-apparatuur geschikt zijn voor de boeren.
Verwante Onderwerpen:
Big Data Analytics
CXO
Digitale Transformatie
Tech Industrie
Smart Cities
Cloud