Ostatnie dziesi\u0119ciolecie wyr\u00f3\u017cnia si\u0119 szybk\u0105 elektronizacj\u0105 i automatyzacj\u0105 stosowanych w \u015bwiecie przemys\u0142u technologii produkcji. Sprzyja temu olbrzymi post\u0119p w zakresie transferu informacji oraz zdecydowane przyspieszenie prac nad zastosowaniem w praktyce sztucznych sieci neuronowych (SSN). Du\u017ca liczba prac badawczo-naukowych z wykorzystaniem komputerowej analizy obraz\u00f3w oraz sztucznych sieci neuronowych, realizowana jest w ramach in\u017cynierii rolniczej. Znajduje to odbicie w literaturze, a tak\u017ce w coraz bardziej nowoczesnych wyrobach i technologiach dla rolnictwa. SSN, wielkie zbiory danych (Big Data) i coraz szybszy Internet (niebawem pi\u0105ta generacja sieci kom\u00f3rkowej), stwarzaj\u0105 w szerokim zakresie, mo\u017cliwo\u015bci olbrzymiego post\u0119pu biologicznego i technicznego w produkcji rolniczej. W licznych zespo\u0142ach badawczych prowadzone s\u0105 szeroko zakrojone badania i prace rozwojowe na rzecz rolnictwa z wykorzystaniem SSN. Prace badawczo-rozwojowe obejmuj\u0105:<\/p>\n\n\n\n
W wyniku prowadzonych bada\u0144 do praktyki rolniczej trafiaj\u0105 nowoczesne technologie produkcji rolniczej oraz innowacyjne, wyposa\u017cone w elektronik\u0119 i automatyk\u0119 do sterowania zespo\u0142ami roboczymi, maszyny i pojazdy. Zaowocowa\u0142o to niebywa\u0142ym rozwojem rolnictwa precyzyjnego i pojawieniem si\u0119 pierwszych urz\u0105dze\u0144 i maszyn rolniczych, kt\u00f3re efektywnie wykorzystuj\u0105 metody sztucznej inteligencji i nie wymagaj\u0105 ci\u0105g\u0142ego nadzoru oraz obs\u0142ugi. Jednak\u017ce droga do ich szerszego upowszechnienia jest jeszcze daleka.<\/p>\n\n\n\n
W Polsce od dawna wyst\u0119puje problem wprowadzania innowacji do praktyki. Wynika to z niskiego udzia\u0142u firm przemys\u0142owych w finansowaniu bada\u0144 przemys\u0142owych i prac wdro\u017ceniowych, a tak\u017ce pewnie z wadliwego systemu dofinansowywania projekt\u00f3w badawczych. Tymczasem na \u015bwiecie spotyka si\u0119 coraz wi\u0119cej rozwi\u0105za\u0144 technicznych, wykorzystuj\u0105cych sztuczne sieci neuronowe w praktyce. Dzieje si\u0119 tak dzi\u0119ki coraz wi\u0119kszemu zaanga\u017cowaniu w ten obszar dzia\u0142alno\u015bci du\u017cych firm i koncern\u00f3w przemys\u0142owych. Za przyk\u0142ad mo\u017ce tu s\u0142u\u017cy\u0107 ameryka\u0144ski koncern przemys\u0142owy John Deere, b\u0119d\u0105cy potentatem w produkcji maszyn i ci\u0105gnik\u00f3w rolniczych. Koncern ten postawi\u0142 na kompleksow\u0105 robotyzacj\u0119 rolnictwa, kupuj\u0105c w tym celu start-up technologiczny BlueRiver za 305 milion\u00f3w dolar\u00f3w (Jurczak 2019). Firma Blue River Technology wywodz\u0105ca si\u0119 ze s\u0142ynnej Doliny Krzemowej, zas\u0142yn\u0119\u0142a wynalezieniem systemu \u0142\u0105cz\u0105cego r\u00f3\u017cne technologie dostarczaj\u0105ce danych do analizy nawo\u017cenia ro\u015blin. SSN sprawdza dane i ustala nawo\u017cenie lub stosowanie oprysk\u00f3w przeciw chwastom. Firma Claas zaprezentowa\u0142a now\u0105 wersj\u0119 kombajnu zbo\u017cowego Lexion w kt\u00f3rym wykorzystano SSN do optymalizacji procesu om\u0142otu, oddzielania resztek ziarna i czyszczenia zbioru w aktualnych warunkach. Inteligentny, samoucz\u0105cy si\u0119 system testuje r\u00f3\u017cne ustawienia w celu zoptymalizowania pracy kombajnu.<\/p>\n\n\n\n
W ostatnich latach obserwuje si\u0119 wzmo\u017con\u0105 aktywno\u015b\u0107 i wsp\u00f3\u0142prac\u0119 du\u017cych firm prowadz\u0105cych dzia\u0142alno\u015b\u0107 w obszarze techniki rolniczej. Taka wsp\u00f3\u0142praca z pewno\u015bci\u0105 spowoduje skr\u00f3cenie czasu wdra\u017cania innowacji w pe\u0142nych cyklach rozwojowych. Dobrym przyk\u0142adem mo\u017ce by\u0107 wsp\u00f3\u0142praca firm: 365FarmNet, CLAAS, John Deere i CNH Industrial dotycz\u0105ca interfejsu Data Connect. Umo\u017cliwia on wymian\u0119 wa\u017cnych danych dotycz\u0105cych maszyn, pomi\u0119dzy portalami internetowymi r\u00f3\u017cnych producent\u00f3w, pozwalaj\u0105c w ten spos\u00f3b u\u017cytkownikowi na monitorowanie informacji na temat floty jego maszyn w wybranym przez niego systemie. Zapewne r\u00f3wnie\u017c na polskim rynku zaczn\u0105 pojawia\u0107 si\u0119 maszyny, kt\u00f3re dzi\u0119ki wykorzystaniu SSN, b\u0119d\u0105 wyposa\u017cone w inteligentne systemy do sterowania ich prac\u0105. Jednym z kierunk\u00f3w prac prowadzonych w tym obszarze w Polsce, jest wykorzystanie SSN i teledetekcji do oceny zdrowotno\u015bci ro\u015blin uprawnych w Polsce. Takich prac dotyczy te\u017c proponowany projekt<\/p>\n\n\n\n
Prace w projekcie podj\u0119to w wyniku rezultat\u00f3w jakie uzyskano w badaniach prowadzonych w ubieg\u0142ych latach na w\u0142asny koszt przez pracownik\u00f3w IHAR i Relayonit. Celem tych bada\u0144 by\u0142o wykorzystanie teledetekcji oraz sztucznych sieci neuronowych w ocenie pszenicy jarej pod wzgl\u0119dem reakcji na fuzarioz\u0119 k\u0142os\u00f3w wywo\u0142ywan\u0105 przez grzyby z rodzaju Fusarium <\/em>spp.[ Arseniuk E. I IN. 2019, Golka W. i in.,2020]<\/p>\n\n\n\n Finalnym efektem projektu ma by\u0107 uruchomienie Centrum Informacyjnego Zdrowotno\u015bci Ro\u015blin, funkcjonuj\u0105cego na podstawie proponowanej w projekcie innowacyjnej technologii . Ma ono funkcjonowa\u0107 na terenie IHAR PIB w Radzikowie i b\u0119dzie dost\u0119pne na terenie ca\u0142ego kraju. Rolnicy dysponuj\u0105c odpowiednim oprogramowaniem b\u0119d\u0105 mogli przysy\u0142a\u0107 zdj\u0119cia z plantacji w celu weryfikacji objaw\u00f3w chorobowych. Aby zrealizowa\u0107 ten cel, planuje si\u0119 w trakcie realizacji projektu, opracowywanie materia\u0142\u00f3w informacyjnych, przekazywanie informacji o projekcie i pokazy dla rolnik\u00f3w. W trakcie realizacji projektu, chcemy pozyska\u0107 ok. 1,5 tys. rolnik\u00f3w i innych u\u017cytkownik\u00f3w naszej technologii do momentu uruchomienia Centrum. Z biegiem czasu Centrum gromadzi\u0142o by coraz wi\u0119cej informacji o r\u00f3\u017cnych ro\u015blinach i ich zdrowotno\u015bci Informacje te b\u0119d\u0105 s\u0142u\u017cy\u0107 zar\u00f3wno bezpo\u015brednio rolnikom, jak te\u017c s\u0142u\u017cbom doradztwa rolniczego, uczelniom, plac\u00f3wkom badawczym oraz administracyjnym.<\/p>\n\n\n\n Literatura:<\/p>\n\n\n\n Arseniuk E., Golka W., Golka A., G\u00f3ral T. 2019. Artificial neural networks and remote sensing in the diagnosis of the health of cereal plantations. . Chapter 25, pages 329-340, opublikowane w ksi\u0105\u017cce pt. \u201cEmerging Technologies towards Agriculture, Food and Environment\u201d, Editors\u201d R. K. Behl, Machiavelli Singh, Achim Ibenthal and Wolfgang Merbach with AGROBIOS (INTERNATIONAL) ISBN: 9789381191224.<\/p>\n\n\n\n Golka W., Arseniuk E., Golka A., G\u00f3ral T.: Sztuczne sieci neuronowe i teledetekcja w diagnostyce zdrowotno\u015bci plantacji pszenicy jarej i ozimej. (1), Biuletyn IHAR<\/p>\n\n\n\n Nr 288 \/ 2020 : 67\u201375<\/p>\n\n\n\n Ostatnie dziesi\u0119ciolecie wyr\u00f3\u017cnia si\u0119 szybk\u0105 elektronizacj\u0105 i automatyzacj\u0105 stosowanych w \u015bwiecie przemys\u0142u technologii produkcji. Sprzyja temu olbrzymi post\u0119p w zakresie transferu informacji oraz zdecydowane przyspieszenie prac nad zastosowaniem w praktyce sztucznych sieci neuronowych (SSN). Du\u017ca liczba prac badawczo-naukowych z wykorzystaniem komputerowej analizy obraz\u00f3w oraz sztucznych sieci neuronowych, realizowana jest w ramach in\u017cynierii rolniczej. Znajduje to...<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-100","page","type-page","status-publish","hentry"],"yoast_head":"\n
<\/p>\n","protected":false},"excerpt":{"rendered":"