Ostatnie dziesięciolecie wyróżnia się szybką elektronizacją i automatyzacją stosowanych w świecie przemysłu technologii produkcji. Sprzyja temu olbrzymi postęp w zakresie transferu informacji oraz zdecydowane przyspieszenie prac nad zastosowaniem w praktyce sztucznych sieci neuronowych (SSN). Duża liczba prac badawczo-naukowych z wykorzystaniem komputerowej analizy obrazów oraz sztucznych sieci neuronowych, realizowana jest w ramach inżynierii rolniczej. Znajduje to odbicie w literaturze, a także w coraz bardziej nowoczesnych wyrobach i technologiach dla rolnictwa. SSN, wielkie zbiory danych (Big Data) i coraz szybszy Internet (niebawem piąta generacja sieci komórkowej), stwarzają w szerokim zakresie, możliwości olbrzymiego postępu biologicznego i technicznego w produkcji rolniczej. W licznych zespołach badawczych prowadzone są szeroko zakrojone badania i prace rozwojowe na rzecz rolnictwa z wykorzystaniem SSN. Prace badawczo-rozwojowe obejmują:
- prognozowanie plonów upraw rolnych (Lavrenko et al. 2015; . Lykhovyd 2018; Kaul et al. 2005; Kogan et al. 2013; Pandey, Mishra, 2017; Niedbała 2019).
- nawożenie i uprawa gleby (Licznar, Rojek 2004; Garcia-Bedoya 2018; Suchithra 2019).
- ochrona roślin (Weng et al., 2019; Golhani et al. 2018; Boulent 2019).
W wyniku prowadzonych badań do praktyki rolniczej trafiają nowoczesne technologie produkcji rolniczej oraz innowacyjne, wyposażone w elektronikę i automatykę do sterowania zespołami roboczymi, maszyny i pojazdy. Zaowocowało to niebywałym rozwojem rolnictwa precyzyjnego i pojawieniem się pierwszych urządzeń i maszyn rolniczych, które efektywnie wykorzystują metody sztucznej inteligencji i nie wymagają ciągłego nadzoru oraz obsługi. Jednakże droga do ich szerszego upowszechnienia jest jeszcze daleka.
W Polsce od dawna występuje problem wprowadzania innowacji do praktyki. Wynika to z niskiego udziału firm przemysłowych w finansowaniu badań przemysłowych i prac wdrożeniowych, a także pewnie z wadliwego systemu dofinansowywania projektów badawczych. Tymczasem na świecie spotyka się coraz więcej rozwiązań technicznych, wykorzystujących sztuczne sieci neuronowe w praktyce. Dzieje się tak dzięki coraz większemu zaangażowaniu w ten obszar działalności dużych firm i koncernów przemysłowych. Za przykład może tu służyć amerykański koncern przemysłowy John Deere, będący potentatem w produkcji maszyn i ciągników rolniczych. Koncern ten postawił na kompleksową robotyzację rolnictwa, kupując w tym celu start-up technologiczny BlueRiver za 305 milionów dolarów (Jurczak 2019). Firma Blue River Technology wywodząca się ze słynnej Doliny Krzemowej, zasłynęła wynalezieniem systemu łączącego różne technologie dostarczające danych do analizy nawożenia roślin. SSN sprawdza dane i ustala nawożenie lub stosowanie oprysków przeciw chwastom. Firma Claas zaprezentowała nową wersję kombajnu zbożowego Lexion w którym wykorzystano SSN do optymalizacji procesu omłotu, oddzielania resztek ziarna i czyszczenia zbioru w aktualnych warunkach. Inteligentny, samouczący się system testuje różne ustawienia w celu zoptymalizowania pracy kombajnu.
W ostatnich latach obserwuje się wzmożoną aktywność i współpracę dużych firm prowadzących działalność w obszarze techniki rolniczej. Taka współpraca z pewnością spowoduje skrócenie czasu wdrażania innowacji w pełnych cyklach rozwojowych. Dobrym przykładem może być współpraca firm: 365FarmNet, CLAAS, John Deere i CNH Industrial dotycząca interfejsu Data Connect. Umożliwia on wymianę ważnych danych dotyczących maszyn, pomiędzy portalami internetowymi różnych producentów, pozwalając w ten sposób użytkownikowi na monitorowanie informacji na temat floty jego maszyn w wybranym przez niego systemie. Zapewne również na polskim rynku zaczną pojawiać się maszyny, które dzięki wykorzystaniu SSN, będą wyposażone w inteligentne systemy do sterowania ich pracą. Jednym z kierunków prac prowadzonych w tym obszarze w Polsce, jest wykorzystanie SSN i teledetekcji do oceny zdrowotności roślin uprawnych w Polsce. Takich prac dotyczy też proponowany projekt
Prace w projekcie podjęto w wyniku rezultatów jakie uzyskano w badaniach prowadzonych w ubiegłych latach na własny koszt przez pracowników IHAR i Relayonit. Celem tych badań było wykorzystanie teledetekcji oraz sztucznych sieci neuronowych w ocenie pszenicy jarej pod względem reakcji na fuzariozę kłosów wywoływaną przez grzyby z rodzaju Fusarium spp.[ Arseniuk E. I IN. 2019, Golka W. i in.,2020]
Finalnym efektem projektu ma być uruchomienie Centrum Informacyjnego Zdrowotności Roślin, funkcjonującego na podstawie proponowanej w projekcie innowacyjnej technologii . Ma ono funkcjonować na terenie IHAR PIB w Radzikowie i będzie dostępne na terenie całego kraju. Rolnicy dysponując odpowiednim oprogramowaniem będą mogli przysyłać zdjęcia z plantacji w celu weryfikacji objawów chorobowych. Aby zrealizować ten cel, planuje się w trakcie realizacji projektu, opracowywanie materiałów informacyjnych, przekazywanie informacji o projekcie i pokazy dla rolników. W trakcie realizacji projektu, chcemy pozyskać ok. 1,5 tys. rolników i innych użytkowników naszej technologii do momentu uruchomienia Centrum. Z biegiem czasu Centrum gromadziło by coraz więcej informacji o różnych roślinach i ich zdrowotności Informacje te będą służyć zarówno bezpośrednio rolnikom, jak też służbom doradztwa rolniczego, uczelniom, placówkom badawczym oraz administracyjnym.
Literatura:
Arseniuk E., Golka W., Golka A., Góral T. 2019. Artificial neural networks and remote sensing in the diagnosis of the health of cereal plantations. . Chapter 25, pages 329-340, opublikowane w książce pt. “Emerging Technologies towards Agriculture, Food and Environment”, Editors” R. K. Behl, Machiavelli Singh, Achim Ibenthal and Wolfgang Merbach with AGROBIOS (INTERNATIONAL) ISBN: 9789381191224.
Golka W., Arseniuk E., Golka A., Góral T.: Sztuczne sieci neuronowe i teledetekcja w diagnostyce zdrowotności plantacji pszenicy jarej i ozimej. (1), Biuletyn IHAR
Nr 288 / 2020 : 67–75