ახალი რეცეპტები

გლობალური სოფლის მეურნეობის მომავლის შეცვლა: ინტერვიუ მარკ ჰოლდერნესთან


წელს, Food Tank პარტნიორობს სოფლის მეურნეობის კვლევის გლობალურ ფორუმთან (GFAR), რათა წარმოაჩინოს მცირე ფერმერებისთვის გამოწვევები და მოვლენები საოჯახო მეურნეობის საერთაშორისო წელს. ახლახანს Food Tank– ს ჰქონდა შესაძლებლობა ესაუბრა დოქტორ მარკ ჰოლდერნესს GFAR– ის მიზნებზე, გამოწვევებზე და მიმდინარე ინიციატივებზე გლობალური სოფლის მეურნეობის გასაუმჯობესებლად.


რას სწავლობენ ჭკვიანი ქალაქები ჭკვიანი ფერმებიდან

მსოფლიოს ქალაქები უფრო ჭკვიანდება. უკვე, სან დიეგოს მსგავს ადგილებში ქუჩის შუქები ჩაქრება და ენერგიას იზოგავს, როდესაც მანქანები და ფეხით მოსიარულეები არ არიან გარშემო. მალე, დაკავშირებული ნაგვის ურნები ეუბნებიან ნარჩენების მიმზიდველებს, როდის უნდა მოხდეს მათი დაცლა, რაც გააუმჯობესებს შეგროვების გზებს. ჭკვიანი შენობები შეატყობინებენ ტექნიკურ პერსონალს სარემონტო სამუშაოების საჭიროების შესახებ. და პარკინგის ადგილები იქნება გიპოვე, ნაცვლად პირიქით.

მსგავსი ჭკვიანი იდეები არ შემოიფარგლება ქალაქის საზღვრებით. ისინი ასევე მუშაობენ სოფლის მეურნეობის ქვეყანაში, ეხმარებიან სოფლის მეურნეობას ყოველდღიურად უფრო ეფექტური და ეფექტური გახდეს. სინამდვილეში, ზოგიერთი ინოვაცია, რომელიც ჭკვიან ქალაქებს ასე ინტელექტუალურს ხდის - სენსორების მსგავსად, IoT კავშირი და ავტონომიური მანქანები - გაიზარდა ფერმაში.

სოფლის მეურნეობაში ზუსტი ტექნოლოგია

ქალაქში, ჭკვიანი ქსელები აწვდიან ენერგიას როცა და სადაც საჭიროა, სენსორების ქსელის რეალურ დროში მონაცემების საფუძველზე. სისტემა მონიტორინგს უწევს ელექტროენერგიის მოხმარებას, აფიქსირებს დეფიციტს ან გათიშვას მყისიერად, ხოლო ჭკვიანი რელეები და გადამრთველები პრობლემის ირგვლივ ენერგიას ავტომატურად გადაანაწილებენ. ეს ყველაფერი შექმნილია იმისთვის, რომ ელექტრო ქსელი გახადოს უფრო გამძლე და საიმედო, ნაკლები ენერგიის გამოყენებით.

იგივე ტიპის ტექნოლოგია და რესურსების ოპტიმიზაცია ხდება თანამედროვე სოფლის მეურნეობაში. თვითმფრინავები, თანამგზავრები და დისტანციური სენსორები ფერმერებს აწვდიან დეტალურ ინფორმაციას მათი მუშაობის ყველა კუთხის შესახებ, მათ შორის ნიადაგის ტენიანობის, კვების დონის, მარილიანობის, მოსავლის მონაცემებისა და სხვა. ”ჩვენ ვსაუბრობდით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე,” - ამბობს მარკ იანგი, The Climate Corporation– ის მთავარი ტექნოლოგიური ოფიცერი. ”და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.” შეხედულებები შეიძლება გამოყენებულ იქნას ისეთი მოქმედებების შესასრულებლად, როგორიცაა ცვლადი განაკვეთის გამოყენების სისტემების ავტომატური მართვა, მათ შორის წვეთოვანი მორწყვა. ჭკვიანი ქსელის მსგავსად, ცვლადი განაკვეთის მორწყვა აწვდის წყალს მოთხოვნით და მხოლოდ იქ, სადაც ეს საჭიროა.

”ჩვენ ვსაუბრობდით ფეხით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე, და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.”

მარკ იანგი, კლიმატის კორპორაციის CTO

ინფორმაციას ასევე შეუძლია შექმნას ნიადაგის პირობების ციფრული საველე რუქა და ფერმერისთვის ინდივიდუალური გეგმა. ”ჩვენ ვიყენებთ ხელოვნური ინტელექტის მოდელებს, რათა გავუწიოთ რეკომენდაცია რომელი თესლი უნდა დაირგოს და სად უნდა დაირგოს”, - განმარტავს იანგი. როდესაც გამოიყენება GPS ტრაქტორის მითითებებით და ჭკვიანი მოწყობილობებით, ფერმერებს შეუძლიათ გამოიყენონ კვების ზუსტი რაოდენობა, მავნებლების კონტროლი და სხვა რესურსები ზუსტად მაშინ, როდესაც და სად არის საჭირო.

”ეს არ არის მხოლოდ ფერმერისთვის უკეთესი,” - დასძენს იანგი. ”თუ ჩვენ შეგვიძლია ვიყოთ უფრო დამამტკიცებელი და დავეხმაროთ ფერმერს ზუსტად გაიგოს რამდენად სჭირდება მცენარე და როდის, ეს უფრო მდგრადია.”

უმოძრაო მეურნეობები

მიუხედავად იმისა, რომ თვითმავალი მანქანები ახლახან იწყებენ მოძრაობას ქალაქებში-ისევე როგორც 5G ავტონომიური ავტობუსები, რომლებიც ახლახანს იქნა მიღებული ჩინეთში, ჟენგჟოუში-ისინი ათწლეულების განმავლობაში მუშაობდნენ ფერმაში. სინამდვილეში, პირველი ავტონომიური ტრაქტორი თარიღდება 1997 წლით, როდესაც პროტოტიპმა შექმნა სრულყოფილად სწორი საწოლები ზუსტი ინჩის მანძილზე. დღეს ზოგიერთი ფერმერი კვლავ მიდის ტაქსში, მაგრამ ტრაქტორი უმეტესწილად მართავს მანქანას.

სასოფლო -სამეურნეო რობოტები (ან აგბოტები) ასევე შექმნილია ფერმაში გამოსაყენებლად, რაც ფერმერებს ეხმარება საკმარისად გაიზარდონ და შეამცირონ მოსავლის დანაკარგი, ხოლო შრომის კრიზისის ალტერნატივებს გვთავაზობენ. ავტომატიზირებულ მკრეფავებს შეუძლიათ მწიფე ვაშლის, მარწყვისა და პომიდვრის ამოცნობა და დაკრეფა, ეს ყველაფერი დალურჯების გარეშე. 2024 წლისთვის, ეს რობოტები გეგმავენ ნავიგაციას ფერმაში $ 5,7 მილიარდი აგბოტ ინდუსტრიის მიხედვით. ეს ხუთჯერ აღემატება 2016 წლის ბაზრის ზომას.

მანქანების სწავლა, მანქანების მეურნეობა

ჭკვიანი ქალაქებისა და მეურნეობების კავშირი მოაქვს მონაცემების მთებს და კომპიუტერების გაზრდის შესაძლებლობას გაანალიზონ ეს ყველაფერი.

ქალაქში მანქანათმცოდნეობა დიდ გავლენას მოახდენს თქვენს დილით მგზავრობაზე. ათასობით კამერა და სენსორი გამოიყენებს ნიმუშის ამოცნობას შუქნიშნის გასაკონტროლებლად, შეშუპების შესამცირებლად და მგზავრობის დროის შემცირებისთვის 25%-ით.

სოფლის მეურნეობაში, კომპიუტერები დაამუშავებენ შეყვანის განსაცვიფრებელ რაოდენობას - ვიზუალური მახასიათებლების, ქიმიური ხელმოწერების, კლიმატური ცვლადების და თერმული სურათების ჩათვლით, რამოდენიმე რომ დაასახელონ - ისწავლიან როგორ უკეთესად იზრუნონ კულტურებზე. ახალი აგბოტური პროტოტიპები, რომლებიც ამჟამად საველე ტესტირებაშია, შეუძლიათ ავტონომიურად ნავიგაცია ფერმაში, მანქანათმცოდნეობის გამოყენებით მცენარეთა ყველა სახეობის იდენტიფიცირებისა და მხოლოდ სარეველების მოსაშორებლად.

იმავე რობოტების, ასევე თვითმფრინავების და თანამგზავრების ფოტოების მოჭრა ასევე შეიძლება გამოყენებულ იქნას მცენარეთა სტრესის, დაავადებების და მავნებლების ინვაზიის გამოვლენისათვის. მცენარეთა მეცხოველეობის პროგრამებში კომპიუტერების სწავლება შესაძლებელია ადამიანის თვალის უფრო ადრეული თვისებების გამოვლენის მიზნით. მილიონობით ფოტოს მონაცემების მონაცემების შედარებისას, ამ სისტემებს შეუძლიათ ისწავლონ ჯანსაღი მცენარეების და სასურველი მახასიათებლების გარჩევა იმათგან, რომლებიც საპირისპიროს ადრეულ ნიშნებს აჩვენებენ.

სოფლის მეურნეობის მომავალი

ჩვენი ქალაქები და ფერმები შეიძლება ერთმანეთისგან დაშორებული იყოს, მაგრამ ისინი ბევრად უფრო ახლოს არიან, როდესაც საქმე ეხება კავშირის, ავტომატიზაციისა და მანქანათმცოდნეობის უახლესი მიღწევების გამოყენებას. ფერმერები, ურბანული დამგეგმავები, მონაცემთა მეცნიერები, ინჟინრები და მრავალი სხვა განაგრძობენ მონაცემების ახალი გზების პოვნას, რაც ხელს შეუწყობს უკეთესი გადაწყვეტილებების ინფორმირებას, ხოლო მეტის გაკეთებას ნაკლები ენერგიით და ნაკლები რესურსებით.

მომავალი მეურნეობა განსხვავებულად იმუშავებს და ის შეიძლება ძალიან განსხვავებულად გამოიყურებოდეს.

შერეული თესვა - ან ერთმანეთის გვერდით სხვადასხვა კულტურების დარგვის პრაქტიკა - დღეს რთულია. სამრეწველო ზომის კომბაინები ვერ უმკლავდებიან მას და ტრადიციული მეთოდები ხელს უწყობს მასშტაბის ეკონომიას. მაგრამ მომავალში, მასშტაბის ჩვენი კონცეფცია შეიძლება შეიცვალოს. მინიატურული აგბოტები შეძლებენ იდეალური მოსავლის დაწყვილებას ზუსტ ნიადაგის პირობებთან ზუსტ ადგილას, დაბრუნდებიან თვეების შემდეგ ცალკეული მცენარეების გამოვლენისა და მოსავლის აღებისთვის.

ეს უფრო მეცნიერებაა ვიდრე სამეცნიერო ფანტასტიკა მარკ იანგისთვის. ”ჩვენ არ შეგვიძლია 10 000 ჰექტარი სიმინდის მართვა ისე, როგორც თქვენ აკეთებთ თქვენს ეზოს ბაღს,” - ამბობს ის. ”მაგრამ ავტონომიური აღჭურვილობის მოსვლასთან ერთად, ჩვენ შეგვიძლია.”

ეს მრავალფეროვანი მიდგომა გახდის სფეროებს ამოუცნობ დღევანდელი სტანდარტებით. ეს გახდის პესტიციდების გამოყენებას უფრო ეფექტურს, დაიცავს ბუნებრივ რესურსებს და გააუმჯობესებს ნიადაგის ჯანმრთელობას. და ეს გაზრდის მოსავალს, რაც ხელს შეუწყობს ჭკვიანი ქალაქების ჭკვიანურ სასურსათო მაღაზიებში ჭკვიანი დერეფნების შენახვას.


რას სწავლობენ ჭკვიანი ქალაქები ჭკვიანი ფერმებიდან

მსოფლიოს ქალაქები უფრო ჭკვიანდება. უკვე, სან დიეგოს მსგავს ადგილებში ქუჩის შუქები ჩაქრება და ენერგიას იზოგავს, როდესაც მანქანები და ფეხით მოსიარულეები არ არიან გარშემო. მალე, დაკავშირებული ნაგვის ურნები ეუბნებიან ნარჩენების მიმზიდველებს, როდის უნდა მოხდეს მათი დაცლა, რაც გააუმჯობესებს შეგროვების გზებს. ჭკვიანი შენობები შეატყობინებენ ტექნიკურ პერსონალს სარემონტო სამუშაოების საჭიროების შესახებ. და პარკინგის ადგილები იქნება გიპოვე, ნაცვლად პირიქით.

მსგავსი ჭკვიანი იდეები არ შემოიფარგლება ქალაქის საზღვრებით. ისინი ასევე მუშაობენ სოფლის მეურნეობის ქვეყანაში, ეხმარებიან სოფლის მეურნეობას ყოველდღიურად უფრო ეფექტური და ეფექტური გახდეს. სინამდვილეში, ზოგიერთი ინოვაცია, რომელიც ჭკვიან ქალაქებს ასე ინტელექტუალურს ხდის - სენსორების მსგავსად, IoT კავშირი და ავტონომიური მანქანები - გაიზარდა ფერმაში.

სოფლის მეურნეობაში ზუსტი ტექნოლოგია

ქალაქში, ჭკვიანი ქსელები აწვდიან ენერგიას როცა და სადაც საჭიროა, სენსორების ქსელის რეალურ დროში მონაცემების საფუძველზე. სისტემა მონიტორინგს უწევს ელექტროენერგიის მოხმარებას, აფიქსირებს დეფიციტს ან გათიშვას მყისიერად, ხოლო ჭკვიანი რელეები და გადამრთველები პრობლემის ირგვლივ ენერგიას ავტომატურად გადაანაწილებენ. ეს ყველაფერი შექმნილია იმისთვის, რომ ელექტრო ქსელი გახადოს უფრო გამძლე და საიმედო, ნაკლები ენერგიის გამოყენებით.

იგივე ტიპის ტექნოლოგია და რესურსების ოპტიმიზაცია ხდება თანამედროვე სოფლის მეურნეობაში. თვითმფრინავები, თანამგზავრები და დისტანციური სენსორები ფერმერებს აწვდიან დეტალურ ინფორმაციას მათი მუშაობის ყველა კუთხის შესახებ, მათ შორის ნიადაგის ტენიანობის, კვების დონის, მარილიანობის, მოსავლის მონაცემებისა და სხვა. ”ჩვენ ვსაუბრობდით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე,” - ამბობს მარკ იანგი, The Climate Corporation– ის მთავარი ტექნოლოგიური ოფიცერი. ”და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.” შეხედულებები შეიძლება გამოყენებულ იქნას ისეთი მოქმედებების შესასრულებლად, როგორიცაა ცვლადი განაკვეთის გამოყენების სისტემების ავტომატური მართვა, მათ შორის წვეთოვანი მორწყვა. ჭკვიანი ქსელის მსგავსად, ცვლადი განაკვეთის მორწყვა აწვდის წყალს მოთხოვნით და მხოლოდ იქ, სადაც ეს საჭიროა.

”ჩვენ ვსაუბრობდით ფეხით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე, და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.”

მარკ იანგი, კლიმატის კორპორაციის CTO

ინფორმაციას ასევე შეუძლია შექმნას ნიადაგის პირობების ციფრული საველე რუქა და ფერმერისთვის ინდივიდუალური გეგმა. ”ჩვენ ვიყენებთ ხელოვნური ინტელექტის მოდელებს, რათა გავუწიოთ რეკომენდაცია რომელი თესლი უნდა დაირგოს და სად უნდა დაირგოს”, - განმარტავს იანგი. როდესაც გამოიყენება GPS ტრაქტორის მითითებებით და ჭკვიანი მოწყობილობებით, ფერმერებს შეუძლიათ გამოიყენონ კვების ზუსტი რაოდენობა, მავნებლების კონტროლი და სხვა რესურსები ზუსტად მაშინ, როდესაც და სად არის საჭირო.

”ეს არ არის მხოლოდ ფერმერისთვის უკეთესი,” - დასძენს იანგი. ”თუ ჩვენ შეგვიძლია ვიყოთ უფრო დამამტკიცებელი და დავეხმაროთ ფერმერს ზუსტად გაიგოს რამდენად სჭირდება მცენარე და როდის, ეს უფრო მდგრადია.”

უმოძრაო მეურნეობები

მიუხედავად იმისა, რომ თვითმავალი მანქანები ახლახან იწყებენ მოძრაობას ქალაქებში-ისევე როგორც 5G ავტონომიური ავტობუსები, რომლებიც ახლახანს იქნა მიღებული ჩინეთში, ჟენგჟოუში-ისინი ათწლეულების განმავლობაში მუშაობდნენ ფერმაში. სინამდვილეში, პირველი ავტონომიური ტრაქტორი თარიღდება 1997 წლით, როდესაც პროტოტიპმა შექმნა სრულყოფილად სწორი საწოლები ზუსტი ინჩის მანძილზე. დღეს ზოგიერთი ფერმერი კვლავ მიდის ტაქსში, მაგრამ ტრაქტორი უმეტესწილად მართავს მანქანას.

სასოფლო -სამეურნეო რობოტები (ან აგბოტები) ასევე შექმნილია ფერმაში გამოსაყენებლად, რაც ფერმერებს ეხმარება საკმარისად გაიზარდონ და შეამცირონ მოსავლის დანაკარგი, ხოლო შრომის კრიზისის ალტერნატივებს გვთავაზობენ. ავტომატიზირებულ მკრეფავებს შეუძლიათ მწიფე ვაშლის, მარწყვისა და პომიდვრის ამოცნობა და დაკრეფა, ეს ყველაფერი დალურჯების გარეშე. 2024 წლისთვის, ეს რობოტები გეგმავენ ნავიგაციას ფერმაში $ 5,7 მილიარდი აგბოტ ინდუსტრიის მიხედვით. ეს ხუთჯერ აღემატება 2016 წლის ბაზრის ზომას.

მანქანების სწავლა, მანქანების მეურნეობა

ჭკვიანი ქალაქებისა და მეურნეობების კავშირი მოაქვს მონაცემების მთებს და კომპიუტერების გაზრდის შესაძლებლობას გაანალიზონ ეს ყველაფერი.

ქალაქში მანქანათმცოდნეობა დიდ გავლენას მოახდენს თქვენს დილით მგზავრობაზე. ათასობით კამერა და სენსორი გამოიყენებს ნიმუშის ამოცნობას შუქნიშნის გასაკონტროლებლად, შეშუპების შესამცირებლად და მგზავრობის დროის შემცირებისთვის 25%-ით.

სოფლის მეურნეობაში, კომპიუტერები დაამუშავებენ შეყვანის განსაცვიფრებელ რაოდენობას - ვიზუალური მახასიათებლების, ქიმიური ხელმოწერების, კლიმატური ცვლადების და თერმული სურათების ჩათვლით, რამოდენიმე რომ დაასახელონ - ისწავლიან როგორ უკეთესად იზრუნონ კულტურებზე. ახალი აგბოტური პროტოტიპები, რომლებიც ამჟამად საველე ტესტირებაშია, შეუძლიათ ავტონომიურად ნავიგაცია ფერმაში, მანქანათმცოდნეობის გამოყენებით მცენარეთა ყველა სახეობის იდენტიფიცირებისა და მხოლოდ სარეველების მოსაშორებლად.

იმავე რობოტების, ასევე თვითმფრინავების და თანამგზავრების ფოტოების მოჭრა ასევე შეიძლება გამოყენებულ იქნას მცენარეთა სტრესის, დაავადებების და მავნებლების ინვაზიის გამოვლენისათვის. მცენარეთა მეცხოველეობის პროგრამებში კომპიუტერების სწავლება შესაძლებელია ადამიანის თვალის უფრო ადრეული თვისებების გამოვლენის მიზნით. მილიონობით ფოტოს მონაცემების მონაცემების შედარებისას, ამ სისტემებს შეუძლიათ ისწავლონ ჯანსაღი მცენარეების და სასურველი მახასიათებლების გარჩევა იმათგან, რომლებიც საპირისპიროს ადრეულ ნიშნებს აჩვენებენ.

სოფლის მეურნეობის მომავალი

ჩვენი ქალაქები და ფერმები შეიძლება ერთმანეთისგან დაშორებული იყოს, მაგრამ ისინი ბევრად უფრო ახლოს არიან, როდესაც საქმე ეხება კავშირის, ავტომატიზაციისა და მანქანათმცოდნეობის უახლესი მიღწევების გამოყენებას. ფერმერები, ურბანული დამგეგმავები, მონაცემთა მეცნიერები, ინჟინრები და მრავალი სხვა განაგრძობენ მონაცემების ახალი გზების პოვნას, რაც ხელს შეუწყობს უკეთესი გადაწყვეტილებების ინფორმირებას, ხოლო მეტის გაკეთებას ნაკლები ენერგიით და ნაკლები რესურსებით.

მომავალი მეურნეობა განსხვავებულად იმუშავებს და ის შეიძლება ძალიან განსხვავებულად გამოიყურებოდეს.

შერეული თესვა - ან ერთმანეთის გვერდით სხვადასხვა კულტურების დარგვის პრაქტიკა - დღეს რთულია. სამრეწველო ზომის კომბაინები ვერ უმკლავდებიან მას და ტრადიციული მეთოდები ხელს უწყობს მასშტაბის ეკონომიას. მაგრამ მომავალში, მასშტაბის ჩვენი კონცეფცია შეიძლება შეიცვალოს. მინიატურული აგბოტები შეძლებენ იდეალური მოსავლის დაწყვილებას ზუსტ ნიადაგის პირობებთან ზუსტ ადგილას, დაბრუნდებიან თვეების შემდეგ ცალკეული მცენარეების გამოვლენისა და მოსავლის აღებისთვის.

ეს უფრო მეცნიერებაა ვიდრე სამეცნიერო ფანტასტიკა მარკ იანგისთვის. ”ჩვენ არ შეგვიძლია 10 000 ჰექტარი სიმინდის მართვა ისე, როგორც თქვენ აკეთებთ თქვენს ეზოს ბაღს,” - ამბობს ის. ”მაგრამ ავტონომიური აღჭურვილობის მოსვლასთან ერთად, ჩვენ შეგვიძლია.”

ეს მრავალფეროვანი მიდგომა გახდის სფეროებს ამოუცნობ დღევანდელი სტანდარტებით. ეს გახდის პესტიციდების გამოყენებას უფრო ეფექტურს, დაიცავს ბუნებრივ რესურსებს და გააუმჯობესებს ნიადაგის ჯანმრთელობას. და ეს გაზრდის მოსავალს, რაც ხელს შეუწყობს ჭკვიანი ქალაქების ჭკვიანურ სასურსათო მაღაზიებში ჭკვიანი დერეფნების შენახვას.


რას სწავლობენ ჭკვიანი ქალაქები ჭკვიანი ფერმებიდან

მსოფლიოს ქალაქები უფრო ჭკვიანდება. უკვე, სან დიეგოს მსგავს ადგილებში ქუჩის შუქები ჩაქრება და ენერგიას იზოგავს, როდესაც მანქანები და ფეხით მოსიარულეები არ არიან გარშემო. მალე, დაკავშირებული ნაგვის ურნები ეუბნებიან ნარჩენების მიმზიდველებს, როდის უნდა მოხდეს მათი დაცლა, რაც გააუმჯობესებს შეგროვების გზებს. ჭკვიანი შენობები შეატყობინებენ ტექნიკურ პერსონალს სარემონტო სამუშაოების საჭიროების შესახებ. და პარკინგის ადგილები იქნება გიპოვე, ნაცვლად პირიქით.

მსგავსი ჭკვიანი იდეები არ შემოიფარგლება ქალაქის საზღვრებით. ისინი ასევე მუშაობენ სოფლის მეურნეობის ქვეყანაში, ეხმარებიან სოფლის მეურნეობას ყოველდღიურად უფრო ეფექტური და ეფექტური გახდეს. სინამდვილეში, ზოგიერთი ინოვაცია, რომელიც ჭკვიან ქალაქებს ასე ინტელექტუალურს ხდის - სენსორების მსგავსად, IoT კავშირი და ავტონომიური მანქანები - გაიზარდა ფერმაში.

სოფლის მეურნეობაში ზუსტი ტექნოლოგია

ქალაქში, ჭკვიანი ქსელები აწვდიან ენერგიას როცა და სადაც საჭიროა, სენსორების ქსელის რეალურ დროში მონაცემების საფუძველზე. სისტემა მონიტორინგს უწევს ელექტროენერგიის მოხმარებას, აფიქსირებს დეფიციტს ან გათიშვას მყისიერად, ხოლო ჭკვიანი რელეები და გადამრთველები პრობლემის ირგვლივ ენერგიას ავტომატურად გადაანაწილებენ. ეს ყველაფერი შექმნილია იმისთვის, რომ ელექტრო ქსელი გახადოს უფრო გამძლე და საიმედო, ნაკლები ენერგიის გამოყენებით.

იგივე ტიპის ტექნოლოგია და რესურსების ოპტიმიზაცია ხდება თანამედროვე სოფლის მეურნეობაში. თვითმფრინავები, თანამგზავრები და დისტანციური სენსორები ფერმერებს აწვდიან დეტალურ ინფორმაციას მათი მუშაობის ყველა კუთხის შესახებ, მათ შორის ნიადაგის ტენიანობის, კვების დონის, მარილიანობის, მოსავლის მონაცემებისა და სხვა. ”ჩვენ ვსაუბრობდით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე,” - ამბობს მარკ იანგი, The Climate Corporation– ის მთავარი ტექნოლოგიური ოფიცერი. ”და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.” შეხედულებები შეიძლება გამოყენებულ იქნას ისეთი მოქმედებების შესასრულებლად, როგორიცაა ცვლადი განაკვეთის გამოყენების სისტემების ავტომატური მართვა, მათ შორის წვეთოვანი მორწყვა. ჭკვიანი ქსელის მსგავსად, ცვლადი განაკვეთის მორწყვა აწვდის წყალს მოთხოვნით და მხოლოდ იქ, სადაც ეს საჭიროა.

”ჩვენ ვსაუბრობდით ფეხით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე, და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.”

მარკ იანგი, კლიმატის კორპორაციის CTO

ინფორმაციას ასევე შეუძლია შექმნას ნიადაგის პირობების ციფრული საველე რუქა და ფერმერისთვის ინდივიდუალური გეგმა. ”ჩვენ ვიყენებთ ხელოვნური ინტელექტის მოდელებს, რათა გავუწიოთ რეკომენდაცია რომელი თესლი უნდა დაირგოს და სად უნდა დაირგოს”, - განმარტავს იანგი. როდესაც გამოიყენება GPS ტრაქტორის მითითებებით და ჭკვიანი მოწყობილობებით, ფერმერებს შეუძლიათ გამოიყენონ კვების ზუსტი რაოდენობა, მავნებლების კონტროლი და სხვა რესურსები ზუსტად მაშინ, როდესაც და სად არის საჭირო.

”ეს არ არის მხოლოდ ფერმერისთვის უკეთესი,” - დასძენს იანგი. ”თუ ჩვენ შეგვიძლია ვიყოთ უფრო დამამტკიცებელი და დავეხმაროთ ფერმერს ზუსტად გაიგოს რამდენად სჭირდება მცენარე და როდის, ეს უფრო მდგრადია.”

უმოძრაო მეურნეობები

მიუხედავად იმისა, რომ თვითმავალი მანქანები ახლახან იწყებენ მოძრაობას ქალაქებში-ისევე როგორც 5G ავტონომიური ავტობუსები, რომლებიც ახლახანს იქნა მიღებული ჩინეთში, ჟენგჟოუში-ისინი ათწლეულების განმავლობაში მუშაობდნენ ფერმაში. სინამდვილეში, პირველი ავტონომიური ტრაქტორი თარიღდება 1997 წლით, როდესაც პროტოტიპმა შექმნა სრულყოფილად სწორი საწოლები ზუსტი ინჩის მანძილზე. დღეს ზოგიერთი ფერმერი კვლავ მიდის ტაქსში, მაგრამ ტრაქტორი უმეტესწილად მართავს მანქანას.

სასოფლო -სამეურნეო რობოტები (ან აგბოტები) ასევე შექმნილია ფერმაში გამოსაყენებლად, რაც ფერმერებს ეხმარება საკმარისად გაიზარდონ და შეამცირონ მოსავლის დანაკარგი, ხოლო შრომის კრიზისის ალტერნატივებს გვთავაზობენ. ავტომატიზირებულ მკრეფავებს შეუძლიათ მწიფე ვაშლის, მარწყვისა და პომიდვრის ამოცნობა და დაკრეფა, ეს ყველაფერი დალურჯების გარეშე. 2024 წლისთვის, ეს რობოტები გეგმავენ ნავიგაციას ფერმაში $ 5,7 მილიარდი აგბოტ ინდუსტრიის მიხედვით. ეს ხუთჯერ აღემატება 2016 წლის ბაზრის ზომას.

მანქანების სწავლა, მანქანების მეურნეობა

ჭკვიანი ქალაქებისა და მეურნეობების კავშირი მოაქვს მონაცემების მთებს და კომპიუტერების გაზრდის შესაძლებლობას გაანალიზონ ეს ყველაფერი.

ქალაქში მანქანათმცოდნეობა დიდ გავლენას მოახდენს თქვენს დილით მგზავრობაზე. ათასობით კამერა და სენსორი გამოიყენებს ნიმუშის ამოცნობას შუქნიშნის გასაკონტროლებლად, შეშუპების შესამცირებლად და მგზავრობის დროის შემცირებისთვის 25%-ით.

სოფლის მეურნეობაში, კომპიუტერები დაამუშავებენ შეყვანის განსაცვიფრებელ რაოდენობას - ვიზუალური მახასიათებლების, ქიმიური ხელმოწერების, კლიმატური ცვლადების და თერმული სურათების ჩათვლით, რამოდენიმე რომ დაასახელონ - ისწავლიან როგორ უკეთესად იზრუნონ კულტურებზე. ახალი აგბოტური პროტოტიპები, რომლებიც ამჟამად საველე ტესტირებაშია, შეუძლიათ ავტონომიურად ნავიგაცია ფერმაში, მანქანათმცოდნეობის გამოყენებით მცენარეთა ყველა სახეობის იდენტიფიცირებისა და მხოლოდ სარეველების მოსაშორებლად.

იმავე რობოტების, ასევე თვითმფრინავების და თანამგზავრების ფოტოების მოჭრა ასევე შეიძლება გამოყენებულ იქნას მცენარეთა სტრესის, დაავადებების და მავნებლების ინვაზიის გამოვლენისათვის. მცენარეთა მეცხოველეობის პროგრამებში კომპიუტერების სწავლება შესაძლებელია ადამიანის თვალის უფრო ადრეული თვისებების გამოვლენის მიზნით. მილიონობით ფოტოს მონაცემების მონაცემების შედარებისას, ამ სისტემებს შეუძლიათ ისწავლონ ჯანსაღი მცენარეების და სასურველი მახასიათებლების გარჩევა იმათგან, რომლებიც საპირისპიროს ადრეულ ნიშნებს აჩვენებენ.

სოფლის მეურნეობის მომავალი

ჩვენი ქალაქები და ფერმები შეიძლება ერთმანეთისგან დაშორებული იყოს, მაგრამ ისინი ბევრად უფრო ახლოს არიან, როდესაც საქმე ეხება კავშირის, ავტომატიზაციისა და მანქანათმცოდნეობის უახლესი მიღწევების გამოყენებას. ფერმერები, ურბანული დამგეგმავები, მონაცემთა მეცნიერები, ინჟინრები და მრავალი სხვა განაგრძობენ მონაცემების ახალი გზების პოვნას, რაც ხელს შეუწყობს უკეთესი გადაწყვეტილებების ინფორმირებას, ხოლო მეტის გაკეთებას ნაკლები ენერგიით და ნაკლები რესურსებით.

მომავალი მეურნეობა განსხვავებულად იმუშავებს და ის შეიძლება ძალიან განსხვავებულად გამოიყურებოდეს.

შერეული თესვა - ან ერთმანეთის გვერდით სხვადასხვა კულტურების დარგვის პრაქტიკა - დღეს რთულია. სამრეწველო ზომის კომბაინები ვერ უმკლავდებიან მას და ტრადიციული მეთოდები ხელს უწყობს მასშტაბის ეკონომიას. მაგრამ მომავალში, მასშტაბის ჩვენი კონცეფცია შეიძლება შეიცვალოს. მინიატურული აგბოტები შეძლებენ იდეალური მოსავლის დაწყვილებას ზუსტ ნიადაგის პირობებთან ზუსტ ადგილას, დაბრუნდებიან თვეების შემდეგ ცალკეული მცენარეების გამოვლენისა და მოსავლის აღებისთვის.

ეს უფრო მეცნიერებაა ვიდრე სამეცნიერო ფანტასტიკა მარკ იანგისთვის. ”ჩვენ არ შეგვიძლია 10 000 ჰექტარი სიმინდის მართვა ისე, როგორც თქვენ აკეთებთ თქვენს ეზოს ბაღს,” - ამბობს ის. ”მაგრამ ავტონომიური აღჭურვილობის მოსვლასთან ერთად, ჩვენ შეგვიძლია.”

ეს მრავალფეროვანი მიდგომა გახდის სფეროებს ამოუცნობ დღევანდელი სტანდარტებით. ეს გახდის პესტიციდების გამოყენებას უფრო ეფექტურს, დაიცავს ბუნებრივ რესურსებს და გააუმჯობესებს ნიადაგის ჯანმრთელობას. და ეს გაზრდის მოსავალს, რაც ხელს შეუწყობს ჭკვიანი ქალაქების ჭკვიანურ სასურსათო მაღაზიებში ჭკვიანი დერეფნების შენახვას.


რას სწავლობენ ჭკვიანი ქალაქები ჭკვიანი ფერმებიდან

მსოფლიოს ქალაქები უფრო ჭკვიანდება. უკვე, სან დიეგოს მსგავს ადგილებში ქუჩის შუქები ჩაქრება და ენერგიას იზოგავს, როდესაც მანქანები და ფეხით მოსიარულეები არ არიან გარშემო. მალე, დაკავშირებული ნაგვის ურნები ეუბნებიან ნარჩენების მიმზიდველებს, როდის უნდა მოხდეს მათი დაცლა, რაც გააუმჯობესებს შეგროვების გზებს. ჭკვიანი შენობები შეატყობინებენ ტექნიკურ პერსონალს სარემონტო სამუშაოების საჭიროების შესახებ. და პარკინგის ადგილები იქნება გიპოვე, ნაცვლად პირიქით.

მსგავსი ჭკვიანი იდეები არ შემოიფარგლება ქალაქის საზღვრებით. ისინი ასევე მუშაობენ სოფლის მეურნეობის ქვეყანაში, ეხმარებიან სოფლის მეურნეობას ყოველდღიურად უფრო ეფექტური და ეფექტური გახდეს. სინამდვილეში, ზოგიერთი ინოვაცია, რომელიც ჭკვიან ქალაქებს ასე ინტელექტუალურს ხდის - სენსორების მსგავსად, IoT კავშირი და ავტონომიური მანქანები - გაიზარდა ფერმაში.

სოფლის მეურნეობაში ზუსტი ტექნოლოგია

ქალაქში, ჭკვიანი ქსელები აწვდიან ენერგიას როცა და სადაც საჭიროა, სენსორების ქსელის რეალურ დროში მონაცემების საფუძველზე. სისტემა მონიტორინგს უწევს ელექტროენერგიის მოხმარებას, აფიქსირებს დეფიციტს ან გათიშვას მყისიერად, ხოლო ჭკვიანი რელეები და გადამრთველები პრობლემის ირგვლივ ენერგიას ავტომატურად გადაანაწილებენ. ეს ყველაფერი შექმნილია იმისთვის, რომ ელექტრო ქსელი გახადოს უფრო გამძლე და საიმედო, ნაკლები ენერგიის გამოყენებით.

იგივე ტიპის ტექნოლოგია და რესურსების ოპტიმიზაცია ხდება თანამედროვე სოფლის მეურნეობაში. თვითმფრინავები, თანამგზავრები და დისტანციური სენსორები ფერმერებს აწვდიან დეტალურ ინფორმაციას მათი მუშაობის ყველა კუთხის შესახებ, მათ შორის ნიადაგის ტენიანობის, კვების დონის, მარილიანობის, მოსავლის მონაცემებისა და სხვა. ”ჩვენ ვსაუბრობდით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე,” - ამბობს მარკ იანგი, The Climate Corporation– ის მთავარი ტექნოლოგიური ოფიცერი. ”და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.” შეხედულებები შეიძლება გამოყენებულ იქნას ისეთი მოქმედებების შესასრულებლად, როგორიცაა ცვლადი განაკვეთის გამოყენების სისტემების ავტომატური მართვა, მათ შორის წვეთოვანი მორწყვა. ჭკვიანი ქსელის მსგავსად, ცვლადი განაკვეთის მორწყვა აწვდის წყალს მოთხოვნით და მხოლოდ იქ, სადაც ეს საჭიროა.

”ჩვენ ვსაუბრობდით ფეხით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე, და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.”

მარკ იანგი, კლიმატის კორპორაციის CTO

ინფორმაციას ასევე შეუძლია შექმნას ნიადაგის პირობების ციფრული საველე რუქა და ფერმერისთვის ინდივიდუალური გეგმა. ”ჩვენ ვიყენებთ ხელოვნური ინტელექტის მოდელებს, რათა გავუწიოთ რეკომენდაცია რომელი თესლი უნდა დაირგოს და სად უნდა დაირგოს”, - განმარტავს იანგი. როდესაც გამოიყენება GPS ტრაქტორის მითითებებით და ჭკვიანი მოწყობილობებით, ფერმერებს შეუძლიათ გამოიყენონ კვების ზუსტი რაოდენობა, მავნებლების კონტროლი და სხვა რესურსები ზუსტად მაშინ, როდესაც და სად არის საჭირო.

”ეს არ არის მხოლოდ ფერმერისთვის უკეთესი,” - დასძენს იანგი. ”თუ ჩვენ შეგვიძლია ვიყოთ უფრო დამამტკიცებელი და დავეხმაროთ ფერმერს ზუსტად გაიგოს რამდენად სჭირდება მცენარე და როდის, ეს უფრო მდგრადია.”

უმოძრაო მეურნეობები

მიუხედავად იმისა, რომ თვითმავალი მანქანები ახლახან იწყებენ მოძრაობას ქალაქებში-ისევე როგორც 5G ავტონომიური ავტობუსები, რომლებიც ახლახანს იქნა მიღებული ჩინეთში, ჟენგჟოუში-ისინი ათწლეულების განმავლობაში მუშაობდნენ ფერმაში. სინამდვილეში, პირველი ავტონომიური ტრაქტორი თარიღდება 1997 წლით, როდესაც პროტოტიპმა შექმნა სრულყოფილად სწორი საწოლები ზუსტი ინჩის მანძილზე. დღეს ზოგიერთი ფერმერი კვლავ მიდის ტაქსში, მაგრამ ტრაქტორი უმეტესწილად მართავს მანქანას.

სასოფლო -სამეურნეო რობოტები (ან აგბოტები) ასევე შექმნილია ფერმაში გამოსაყენებლად, რაც ფერმერებს ეხმარება საკმარისად გაიზარდონ და შეამცირონ მოსავლის დანაკარგი, ხოლო შრომის კრიზისის ალტერნატივებს გვთავაზობენ. ავტომატიზირებულ მკრეფავებს შეუძლიათ მწიფე ვაშლის, მარწყვისა და პომიდვრის ამოცნობა და დაკრეფა, ეს ყველაფერი დალურჯების გარეშე. 2024 წლისთვის, ეს რობოტები გეგმავენ ნავიგაციას ფერმაში $ 5,7 მილიარდი აგბოტ ინდუსტრიის მიხედვით. ეს ხუთჯერ აღემატება 2016 წლის ბაზრის ზომას.

მანქანების სწავლა, მანქანების მეურნეობა

ჭკვიანი ქალაქებისა და მეურნეობების კავშირი მოაქვს მონაცემების მთებს და კომპიუტერების გაზრდის შესაძლებლობას გაანალიზონ ეს ყველაფერი.

ქალაქში მანქანათმცოდნეობა დიდ გავლენას მოახდენს თქვენს დილით მგზავრობაზე. ათასობით კამერა და სენსორი გამოიყენებს ნიმუშის ამოცნობას შუქნიშნის გასაკონტროლებლად, შეშუპების შესამცირებლად და მგზავრობის დროის შემცირებისთვის 25%-ით.

სოფლის მეურნეობაში, კომპიუტერები დაამუშავებენ შეყვანის განსაცვიფრებელ რაოდენობას - ვიზუალური მახასიათებლების, ქიმიური ხელმოწერების, კლიმატური ცვლადების და თერმული სურათების ჩათვლით, რამოდენიმე რომ დაასახელონ - ისწავლიან როგორ უკეთესად იზრუნონ კულტურებზე. ახალი აგბოტური პროტოტიპები, რომლებიც ამჟამად საველე ტესტირებაშია, შეუძლიათ ავტონომიურად ნავიგაცია ფერმაში, მანქანათმცოდნეობის გამოყენებით მცენარეთა ყველა სახეობის იდენტიფიცირებისა და მხოლოდ სარეველების მოსაშორებლად.

იმავე რობოტების, ასევე თვითმფრინავების და თანამგზავრების ფოტოების მოჭრა ასევე შეიძლება გამოყენებულ იქნას მცენარეთა სტრესის, დაავადებების და მავნებლების ინვაზიის გამოვლენისათვის. მცენარეთა მეცხოველეობის პროგრამებში კომპიუტერების სწავლება შესაძლებელია ადამიანის თვალის უფრო ადრეული თვისებების გამოვლენის მიზნით. მილიონობით ფოტოს მონაცემების მონაცემების შედარებისას, ამ სისტემებს შეუძლიათ ისწავლონ ჯანსაღი მცენარეების და სასურველი მახასიათებლების გარჩევა იმათგან, რომლებიც საპირისპიროს ადრეულ ნიშნებს აჩვენებენ.

სოფლის მეურნეობის მომავალი

ჩვენი ქალაქები და ფერმები შეიძლება ერთმანეთისგან დაშორებული იყოს, მაგრამ ისინი ბევრად უფრო ახლოს არიან, როდესაც საქმე ეხება კავშირის, ავტომატიზაციისა და მანქანათმცოდნეობის უახლესი მიღწევების გამოყენებას. ფერმერები, ურბანული დამგეგმავები, მონაცემთა მეცნიერები, ინჟინრები და მრავალი სხვა განაგრძობენ მონაცემების ახალი გზების პოვნას, რაც ხელს შეუწყობს უკეთესი გადაწყვეტილებების ინფორმირებას, ხოლო მეტის გაკეთებას ნაკლები ენერგიით და ნაკლები რესურსებით.

მომავალი მეურნეობა განსხვავებულად იმუშავებს და ის შეიძლება ძალიან განსხვავებულად გამოიყურებოდეს.

შერეული თესვა - ან ერთმანეთის გვერდით სხვადასხვა კულტურების დარგვის პრაქტიკა - დღეს რთულია. სამრეწველო ზომის კომბაინები ვერ უმკლავდებიან მას და ტრადიციული მეთოდები ხელს უწყობს მასშტაბის ეკონომიას. მაგრამ მომავალში, მასშტაბის ჩვენი კონცეფცია შეიძლება შეიცვალოს. მინიატურული აგბოტები შეძლებენ იდეალური მოსავლის დაწყვილებას ზუსტ ნიადაგის პირობებთან ზუსტ ადგილას, დაბრუნდებიან თვეების შემდეგ ცალკეული მცენარეების გამოვლენისა და მოსავლის აღებისთვის.

ეს უფრო მეცნიერებაა ვიდრე სამეცნიერო ფანტასტიკა მარკ იანგისთვის. ”ჩვენ არ შეგვიძლია 10 000 ჰექტარი სიმინდის მართვა ისე, როგორც თქვენ აკეთებთ თქვენს ეზოს ბაღს,” - ამბობს ის. ”მაგრამ ავტონომიური აღჭურვილობის მოსვლასთან ერთად, ჩვენ შეგვიძლია.”

ეს მრავალფეროვანი მიდგომა გახდის სფეროებს ამოუცნობ დღევანდელი სტანდარტებით. ეს გახდის პესტიციდების გამოყენებას უფრო ეფექტურს, დაიცავს ბუნებრივ რესურსებს და გააუმჯობესებს ნიადაგის ჯანმრთელობას. და ეს გაზრდის მოსავალს, რაც ხელს შეუწყობს ჭკვიანი ქალაქების ჭკვიანურ სასურსათო მაღაზიებში ჭკვიანი დერეფნების შენახვას.


რას სწავლობენ ჭკვიანი ქალაქები ჭკვიანი ფერმებიდან

მსოფლიოს ქალაქები უფრო ჭკვიანდება. უკვე, სან დიეგოს მსგავს ადგილებში ქუჩის შუქები ჩაქრება და ენერგიას იზოგავს, როდესაც მანქანები და ფეხით მოსიარულეები არ არიან გარშემო. მალე, დაკავშირებული ნაგვის ურნები ეუბნებიან ნარჩენების მიმზიდველებს, როდის უნდა მოხდეს მათი დაცლა, რაც გააუმჯობესებს შეგროვების გზებს. ჭკვიანი შენობები შეატყობინებენ ტექნიკურ პერსონალს სარემონტო სამუშაოების საჭიროების შესახებ. და პარკინგის ადგილები იქნება გიპოვე, ნაცვლად პირიქით.

მსგავსი ჭკვიანი იდეები არ შემოიფარგლება ქალაქის საზღვრებით. ისინი ასევე მუშაობენ სოფლის მეურნეობის ქვეყანაში, ეხმარებიან სოფლის მეურნეობას ყოველდღიურად უფრო ეფექტური და ეფექტური გახდეს. სინამდვილეში, ზოგიერთი ინოვაცია, რომელიც ჭკვიან ქალაქებს ასე ინტელექტუალურს ხდის - სენსორების მსგავსად, IoT კავშირი და ავტონომიური მანქანები - გაიზარდა ფერმაში.

სოფლის მეურნეობაში ზუსტი ტექნოლოგია

ქალაქში, ჭკვიანი ქსელები აწვდიან ენერგიას როცა და სადაც საჭიროა, სენსორების ქსელის რეალურ დროში მონაცემების საფუძველზე. სისტემა მონიტორინგს უწევს ელექტროენერგიის მოხმარებას, აფიქსირებს დეფიციტს ან გათიშვას მყისიერად, ხოლო ჭკვიანი რელეები და გადამრთველები პრობლემის ირგვლივ ენერგიას ავტომატურად გადაანაწილებენ. ეს ყველაფერი შექმნილია იმისთვის, რომ ელექტრო ქსელი გახადოს უფრო გამძლე და საიმედო, ნაკლები ენერგიის გამოყენებით.

იგივე ტიპის ტექნოლოგია და რესურსების ოპტიმიზაცია ხდება თანამედროვე სოფლის მეურნეობაში. თვითმფრინავები, თანამგზავრები და დისტანციური სენსორები ფერმერებს აწვდიან დეტალურ ინფორმაციას მათი მუშაობის ყველა კუთხის შესახებ, მათ შორის ნიადაგის ტენიანობის, კვების დონის, მარილიანობის, მოსავლის მონაცემებისა და სხვა. ”ჩვენ ვსაუბრობდით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე,” - ამბობს მარკ იანგი, The Climate Corporation– ის მთავარი ტექნოლოგიური ოფიცერი. ”და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.” შეხედულებები შეიძლება გამოყენებულ იქნას ისეთი მოქმედებების შესასრულებლად, როგორიცაა ცვლადი განაკვეთის გამოყენების სისტემების ავტომატური მართვა, მათ შორის წვეთოვანი მორწყვა. ჭკვიანი ქსელის მსგავსად, ცვლადი განაკვეთის მორწყვა აწვდის წყალს მოთხოვნით და მხოლოდ იქ, სადაც ეს საჭიროა.

”ჩვენ ვსაუბრობდით ფეხით მიწათმოქმედებაზე, როგორც ამ ახალ რადიკალურ კონცეფციაზე, და ახლა ჩვენ საკმაოდ ვამუშავებთ თესლით.”

მარკ იანგი, კლიმატის კორპორაციის CTO

ინფორმაციას ასევე შეუძლია შექმნას ნიადაგის პირობების ციფრული საველე რუქა და ფერმერისთვის ინდივიდუალური გეგმა. ”ჩვენ ვიყენებთ ხელოვნური ინტელექტის მოდელებს, რათა გავუწიოთ რეკომენდაცია რომელი თესლი უნდა დაირგოს და სად უნდა დაირგოს”, - განმარტავს იანგი. როდესაც გამოიყენება GPS ტრაქტორის მითითებებით და ჭკვიანი მოწყობილობებით, ფერმერებს შეუძლიათ გამოიყენონ კვების ზუსტი რაოდენობა, მავნებლების კონტროლი და სხვა რესურსები ზუსტად მაშინ, როდესაც და სად არის საჭირო.

”ეს არ არის მხოლოდ ფერმერისთვის უკეთესი,” - დასძენს იანგი. ”თუ ჩვენ შეგვიძლია ვიყოთ უფრო დამამტკიცებელი და დავეხმაროთ ფერმერს ზუსტად გაიგოს რამდენად სჭირდება მცენარე და როდის, ეს უფრო მდგრადია.”

უმოძრაო მეურნეობები

მიუხედავად იმისა, რომ თვითმავალი მანქანები ახლახან იწყებენ მოძრაობას ქალაქებში-ისევე როგორც 5G ავტონომიური ავტობუსები, რომლებიც ახლახანს იქნა მიღებული ჩინეთში, ჟენგჟოუში-ისინი ათწლეულების განმავლობაში მუშაობდნენ ფერმაში. სინამდვილეში, პირველი ავტონომიური ტრაქტორი თარიღდება 1997 წლით, როდესაც პროტოტიპმა შექმნა სრულყოფილად სწორი საწოლები ზუსტი ინჩის მანძილზე. დღეს ზოგიერთი ფერმერი კვლავ მიდის ტაქსში, მაგრამ ტრაქტორი უმეტესწილად მართავს მანქანას.

სასოფლო -სამეურნეო რობოტები (ან აგბოტები) ასევე შექმნილია ფერმაში გამოსაყენებლად, რაც ფერმერებს ეხმარება საკმარისად გაიზარდონ და შეამცირონ მოსავლის დანაკარგი, ხოლო შრომის კრიზისის ალტერნატივებს გვთავაზობენ. ავტომატიზირებულ მკრეფავებს შეუძლიათ მწიფე ვაშლის, მარწყვისა და პომიდვრის ამოცნობა და დაკრეფა, ეს ყველაფერი დალურჯების გარეშე. 2024 წლისთვის, ეს რობოტები გეგმავენ ნავიგაციას ფერმაში $ 5,7 მილიარდი აგბოტ ინდუსტრიის მიხედვით. ეს ხუთჯერ აღემატება 2016 წლის ბაზრის ზომას.

მანქანების სწავლა, მანქანების მეურნეობა

ჭკვიანი ქალაქებისა და მეურნეობების კავშირი მოაქვს მონაცემების მთებს და კომპიუტერების გაზრდის შესაძლებლობას გაანალიზონ ეს ყველაფერი.

ქალაქში მანქანათმცოდნეობა დიდ გავლენას მოახდენს თქვენს დილით მგზავრობაზე. ათასობით კამერა და სენსორი გამოიყენებს ნიმუშის ამოცნობას შუქნიშნის გასაკონტროლებლად, შეშუპების შესამცირებლად და მგზავრობის დროის შემცირებისთვის 25%-ით.

სოფლის მეურნეობაში, კომპიუტერები დაამუშავებენ შეყვანის განსაცვიფრებელ რაოდენობას - ვიზუალური მახასიათებლების, ქიმიური ხელმოწერების, კლიმატური ცვლადების და თერმული სურათების ჩათვლით, რამოდენიმე რომ დაასახელონ - ისწავლიან როგორ უკეთესად იზრუნონ კულტურებზე. ახალი აგბოტური პროტოტიპები, რომლებიც ამჟამად საველე ტესტირებაშია, შეუძლიათ ავტონომიურად ნავიგაცია ფერმაში, მანქანათმცოდნეობის გამოყენებით მცენარეთა ყველა სახეობის იდენტიფიცირებისა და მხოლოდ სარეველების მოსაშორებლად.

იმავე რობოტების, ასევე თვითმფრინავების და თანამგზავრების ფოტოების მოჭრა ასევე შეიძლება გამოყენებულ იქნას მცენარეთა სტრესის, დაავადებების და მავნებლების ინვაზიის გამოვლენისათვის. მცენარეთა მეცხოველეობის პროგრამებში კომპიუტერების სწავლება შესაძლებელია ადამიანის თვალის უფრო ადრეული თვისებების გამოვლენის მიზნით. მილიონობით ფოტოს მონაცემების მონაცემების შედარებისას, ამ სისტემებს შეუძლიათ ისწავლონ ჯანსაღი მცენარეების და სასურველი მახასიათებლების გარჩევა იმათგან, რომლებიც საპირისპიროს ადრეულ ნიშნებს აჩვენებენ.

სოფლის მეურნეობის მომავალი

ჩვენი ქალაქები და ფერმები შეიძლება ერთმანეთისგან დაშორებული იყოს, მაგრამ ისინი ბევრად უფრო ახლოს არიან, როდესაც საქმე ეხება კავშირის, ავტომატიზაციისა და მანქანათმცოდნეობის უახლესი მიღწევების გამოყენებას. ფერმერები, ურბანული დამგეგმავები, მონაცემთა მეცნიერები, ინჟინრები და მრავალი სხვა განაგრძობენ მონაცემების ახალი გზების პოვნას, რაც ხელს შეუწყობს უკეთესი გადაწყვეტილებების ინფორმირებას, ხოლო მეტის გაკეთებას ნაკლები ენერგიით და ნაკლები რესურსებით.

მომავალი მეურნეობა განსხვავებულად იმუშავებს და ის შეიძლება ძალიან განსხვავებულად გამოიყურებოდეს.

Mixed sowing — or the practice of planting different crops next to each other — is difficult today. Industrial-sized harvesters can’t handle it, and traditional methods favor economies of scale. But in the future, our concept of scale might change. Miniature agbots will be able to pair the ideal crop with the exact soil conditions in a precise location, returning months later to identify and harvest individual plants.

It’s more science than science fiction to Mark Young. “We can’t manage 10,000 acres of corn the way you do your backyard garden,” he says. “But with the advent of autonomous equipment, we might.”

This diverse approach will make fields unrecognizable by today’s standards. It will make pesticide use more efficient, conserve natural resources, and improve soil health. And it will increase harvests, helping to keep smart aisles in smart grocery stores in smart cities stocked.


What Smart Cities Are Learning From Smart Farms

Cities around the world are getting smarter. Already, street lights in places like San Diego are turning off, and conserving energy, when vehicles and pedestrians aren’t around. Soon, connected garbage cans will tell waste haulers when they need to be emptied, optimizing collection routes. Smart buildings will notify maintenance staff of impending repair needs. And parking spots will find you, instead of the other way around.

Smart ideas like these aren’t confined to the city limits. They’re working in rural farm country too, helping agriculture grow more efficient and more effective every day. In fact, some of the innovations making smart cities so intelligent — like sensors, IoT connectivity, and autonomous vehicles — were raised on the farm.

PRECISION TECHNOLOGY IN AGRICULTURE

In the city, smart grids deliver power when and where it’s needed, based on real-time data from a network of sensors. The system monitors electricity usage, reporting shortages or outages instantly while smart relays and switches reroute power around problems automatically. It’s all designed to make the electric grid more resilient and more reliable, using less energy.

The same type of technology and resource optimization is happening in modern agriculture. Drones, satellites, and remote sensors give farmers detailed information about every corner of their operation, including soil moisture, nutrition levels, salinity, harvest data, and more. “We used to talk about farming by the foot as this radical new concept,” says Mark Young, chief technology officer at The Climate Corporation. “And now we’re pretty much farming by the seed.” The insights can be used to do things like automatically guiding variable rate application systems, including drip irrigation. Like the smart grid, variable rate irrigation delivers water on-demand, and only where it’s needed.

“We used to talk about farming by the foot as this radical new concept, and now we’re pretty much farming by the seed.”

Mark Young, CTO of The Climate Corporation

The information can also help create a digital field map of soil conditions and a custom plan for the farmer. “We’re using AI models to make a recommendation of which seeds should be planted, and where they should be planted,” Young explains. When used with GPS tractor guidance and smart implements, farmers can then apply the exact amount of nutrition, pest control, and other resources precisely when and where they’re required.

“It’s not only better for the farmer,” Young adds. “If we can be more prescriptive and help the farmer understand exactly how much the plant needs and when, it’s more sustainable.”

DRIVERLESS FARMS

While self-driving vehicles have just begun motoring around cities — like the 5G autonomous buses recently adopted in Zhengzhou, China — they’ve been working the farm for decades. In fact, the first autonomous tractor dates back to 1997, when a prototype created perfectly straight beds accurate to within an inch. Today, some farmers still ride in the cab, but the tractor does most of the driving.

Agricultural robots (or agbots) are also being designed for use on the farm, helping farmers grow enough and reduce crop loss while offering alternatives in a labor crunch. Automated harvesters are able to identify and pick ripe apples, strawberries, and tomatoes, all without bruising. By 2024, these robots are forecast to navigate the farm to the tune of an estimated $5.7 billion agbot industry. That’s five times the market size of 2016.

MACHINE LEARNING, MACHINE FARMING

The connectivity of smart cities and farms brings with it mountains of data, and the increasing ability of computers to analyze it all.

In the city, machine learning will make a big difference for your morning commute. Thousands of cameras and sensors will use pattern recognition to control traffic lights, reduce congestion and cut travel time by as much as 25%.

In agriculture, computers will process a staggering number of inputs — including visual characteristics, chemical signatures, climate variables, and thermal images, to name just a few — learning how to better care for crops. New agbot prototypes currently being field tested can autonomously navigate the farm, using machine learning to identify all plant types and remove only the weeds.

Crop photos from the same robots, as well as drones and satellites, can also be used for detecting plant stress, disease, and pest infestation. In plant breeding applications, computers can be trained to identify the expression of traits sooner than the human eye. By comparing data points from millions of photos, these systems can learn to distinguish healthy plants — and desirable characteristics — from those that are showing early signs to the contrary.

THE FUTURE OF AGRICULTURE

Our cities and farms might be miles apart, but they’re much closer when it comes to using the latest advancements in connectivity, automation, and machine learning. Farmers, urban planners, data scientists, engineers, and many others continue to find new ways for data to help inform better decisions while doing more with less energy and fewer resources.

The future farm will work differently, and it might look a lot different too.

Mixed sowing — or the practice of planting different crops next to each other — is difficult today. Industrial-sized harvesters can’t handle it, and traditional methods favor economies of scale. But in the future, our concept of scale might change. Miniature agbots will be able to pair the ideal crop with the exact soil conditions in a precise location, returning months later to identify and harvest individual plants.

It’s more science than science fiction to Mark Young. “We can’t manage 10,000 acres of corn the way you do your backyard garden,” he says. “But with the advent of autonomous equipment, we might.”

This diverse approach will make fields unrecognizable by today’s standards. It will make pesticide use more efficient, conserve natural resources, and improve soil health. And it will increase harvests, helping to keep smart aisles in smart grocery stores in smart cities stocked.


What Smart Cities Are Learning From Smart Farms

Cities around the world are getting smarter. Already, street lights in places like San Diego are turning off, and conserving energy, when vehicles and pedestrians aren’t around. Soon, connected garbage cans will tell waste haulers when they need to be emptied, optimizing collection routes. Smart buildings will notify maintenance staff of impending repair needs. And parking spots will find you, instead of the other way around.

Smart ideas like these aren’t confined to the city limits. They’re working in rural farm country too, helping agriculture grow more efficient and more effective every day. In fact, some of the innovations making smart cities so intelligent — like sensors, IoT connectivity, and autonomous vehicles — were raised on the farm.

PRECISION TECHNOLOGY IN AGRICULTURE

In the city, smart grids deliver power when and where it’s needed, based on real-time data from a network of sensors. The system monitors electricity usage, reporting shortages or outages instantly while smart relays and switches reroute power around problems automatically. It’s all designed to make the electric grid more resilient and more reliable, using less energy.

The same type of technology and resource optimization is happening in modern agriculture. Drones, satellites, and remote sensors give farmers detailed information about every corner of their operation, including soil moisture, nutrition levels, salinity, harvest data, and more. “We used to talk about farming by the foot as this radical new concept,” says Mark Young, chief technology officer at The Climate Corporation. “And now we’re pretty much farming by the seed.” The insights can be used to do things like automatically guiding variable rate application systems, including drip irrigation. Like the smart grid, variable rate irrigation delivers water on-demand, and only where it’s needed.

“We used to talk about farming by the foot as this radical new concept, and now we’re pretty much farming by the seed.”

Mark Young, CTO of The Climate Corporation

The information can also help create a digital field map of soil conditions and a custom plan for the farmer. “We’re using AI models to make a recommendation of which seeds should be planted, and where they should be planted,” Young explains. When used with GPS tractor guidance and smart implements, farmers can then apply the exact amount of nutrition, pest control, and other resources precisely when and where they’re required.

“It’s not only better for the farmer,” Young adds. “If we can be more prescriptive and help the farmer understand exactly how much the plant needs and when, it’s more sustainable.”

DRIVERLESS FARMS

While self-driving vehicles have just begun motoring around cities — like the 5G autonomous buses recently adopted in Zhengzhou, China — they’ve been working the farm for decades. In fact, the first autonomous tractor dates back to 1997, when a prototype created perfectly straight beds accurate to within an inch. Today, some farmers still ride in the cab, but the tractor does most of the driving.

Agricultural robots (or agbots) are also being designed for use on the farm, helping farmers grow enough and reduce crop loss while offering alternatives in a labor crunch. Automated harvesters are able to identify and pick ripe apples, strawberries, and tomatoes, all without bruising. By 2024, these robots are forecast to navigate the farm to the tune of an estimated $5.7 billion agbot industry. That’s five times the market size of 2016.

MACHINE LEARNING, MACHINE FARMING

The connectivity of smart cities and farms brings with it mountains of data, and the increasing ability of computers to analyze it all.

In the city, machine learning will make a big difference for your morning commute. Thousands of cameras and sensors will use pattern recognition to control traffic lights, reduce congestion and cut travel time by as much as 25%.

In agriculture, computers will process a staggering number of inputs — including visual characteristics, chemical signatures, climate variables, and thermal images, to name just a few — learning how to better care for crops. New agbot prototypes currently being field tested can autonomously navigate the farm, using machine learning to identify all plant types and remove only the weeds.

Crop photos from the same robots, as well as drones and satellites, can also be used for detecting plant stress, disease, and pest infestation. In plant breeding applications, computers can be trained to identify the expression of traits sooner than the human eye. By comparing data points from millions of photos, these systems can learn to distinguish healthy plants — and desirable characteristics — from those that are showing early signs to the contrary.

THE FUTURE OF AGRICULTURE

Our cities and farms might be miles apart, but they’re much closer when it comes to using the latest advancements in connectivity, automation, and machine learning. Farmers, urban planners, data scientists, engineers, and many others continue to find new ways for data to help inform better decisions while doing more with less energy and fewer resources.

The future farm will work differently, and it might look a lot different too.

Mixed sowing — or the practice of planting different crops next to each other — is difficult today. Industrial-sized harvesters can’t handle it, and traditional methods favor economies of scale. But in the future, our concept of scale might change. Miniature agbots will be able to pair the ideal crop with the exact soil conditions in a precise location, returning months later to identify and harvest individual plants.

It’s more science than science fiction to Mark Young. “We can’t manage 10,000 acres of corn the way you do your backyard garden,” he says. “But with the advent of autonomous equipment, we might.”

This diverse approach will make fields unrecognizable by today’s standards. It will make pesticide use more efficient, conserve natural resources, and improve soil health. And it will increase harvests, helping to keep smart aisles in smart grocery stores in smart cities stocked.


What Smart Cities Are Learning From Smart Farms

Cities around the world are getting smarter. Already, street lights in places like San Diego are turning off, and conserving energy, when vehicles and pedestrians aren’t around. Soon, connected garbage cans will tell waste haulers when they need to be emptied, optimizing collection routes. Smart buildings will notify maintenance staff of impending repair needs. And parking spots will find you, instead of the other way around.

Smart ideas like these aren’t confined to the city limits. They’re working in rural farm country too, helping agriculture grow more efficient and more effective every day. In fact, some of the innovations making smart cities so intelligent — like sensors, IoT connectivity, and autonomous vehicles — were raised on the farm.

PRECISION TECHNOLOGY IN AGRICULTURE

In the city, smart grids deliver power when and where it’s needed, based on real-time data from a network of sensors. The system monitors electricity usage, reporting shortages or outages instantly while smart relays and switches reroute power around problems automatically. It’s all designed to make the electric grid more resilient and more reliable, using less energy.

The same type of technology and resource optimization is happening in modern agriculture. Drones, satellites, and remote sensors give farmers detailed information about every corner of their operation, including soil moisture, nutrition levels, salinity, harvest data, and more. “We used to talk about farming by the foot as this radical new concept,” says Mark Young, chief technology officer at The Climate Corporation. “And now we’re pretty much farming by the seed.” The insights can be used to do things like automatically guiding variable rate application systems, including drip irrigation. Like the smart grid, variable rate irrigation delivers water on-demand, and only where it’s needed.

“We used to talk about farming by the foot as this radical new concept, and now we’re pretty much farming by the seed.”

Mark Young, CTO of The Climate Corporation

The information can also help create a digital field map of soil conditions and a custom plan for the farmer. “We’re using AI models to make a recommendation of which seeds should be planted, and where they should be planted,” Young explains. When used with GPS tractor guidance and smart implements, farmers can then apply the exact amount of nutrition, pest control, and other resources precisely when and where they’re required.

“It’s not only better for the farmer,” Young adds. “If we can be more prescriptive and help the farmer understand exactly how much the plant needs and when, it’s more sustainable.”

DRIVERLESS FARMS

While self-driving vehicles have just begun motoring around cities — like the 5G autonomous buses recently adopted in Zhengzhou, China — they’ve been working the farm for decades. In fact, the first autonomous tractor dates back to 1997, when a prototype created perfectly straight beds accurate to within an inch. Today, some farmers still ride in the cab, but the tractor does most of the driving.

Agricultural robots (or agbots) are also being designed for use on the farm, helping farmers grow enough and reduce crop loss while offering alternatives in a labor crunch. Automated harvesters are able to identify and pick ripe apples, strawberries, and tomatoes, all without bruising. By 2024, these robots are forecast to navigate the farm to the tune of an estimated $5.7 billion agbot industry. That’s five times the market size of 2016.

MACHINE LEARNING, MACHINE FARMING

The connectivity of smart cities and farms brings with it mountains of data, and the increasing ability of computers to analyze it all.

In the city, machine learning will make a big difference for your morning commute. Thousands of cameras and sensors will use pattern recognition to control traffic lights, reduce congestion and cut travel time by as much as 25%.

In agriculture, computers will process a staggering number of inputs — including visual characteristics, chemical signatures, climate variables, and thermal images, to name just a few — learning how to better care for crops. New agbot prototypes currently being field tested can autonomously navigate the farm, using machine learning to identify all plant types and remove only the weeds.

Crop photos from the same robots, as well as drones and satellites, can also be used for detecting plant stress, disease, and pest infestation. In plant breeding applications, computers can be trained to identify the expression of traits sooner than the human eye. By comparing data points from millions of photos, these systems can learn to distinguish healthy plants — and desirable characteristics — from those that are showing early signs to the contrary.

THE FUTURE OF AGRICULTURE

Our cities and farms might be miles apart, but they’re much closer when it comes to using the latest advancements in connectivity, automation, and machine learning. Farmers, urban planners, data scientists, engineers, and many others continue to find new ways for data to help inform better decisions while doing more with less energy and fewer resources.

The future farm will work differently, and it might look a lot different too.

Mixed sowing — or the practice of planting different crops next to each other — is difficult today. Industrial-sized harvesters can’t handle it, and traditional methods favor economies of scale. But in the future, our concept of scale might change. Miniature agbots will be able to pair the ideal crop with the exact soil conditions in a precise location, returning months later to identify and harvest individual plants.

It’s more science than science fiction to Mark Young. “We can’t manage 10,000 acres of corn the way you do your backyard garden,” he says. “But with the advent of autonomous equipment, we might.”

This diverse approach will make fields unrecognizable by today’s standards. It will make pesticide use more efficient, conserve natural resources, and improve soil health. And it will increase harvests, helping to keep smart aisles in smart grocery stores in smart cities stocked.


What Smart Cities Are Learning From Smart Farms

Cities around the world are getting smarter. Already, street lights in places like San Diego are turning off, and conserving energy, when vehicles and pedestrians aren’t around. Soon, connected garbage cans will tell waste haulers when they need to be emptied, optimizing collection routes. Smart buildings will notify maintenance staff of impending repair needs. And parking spots will find you, instead of the other way around.

Smart ideas like these aren’t confined to the city limits. They’re working in rural farm country too, helping agriculture grow more efficient and more effective every day. In fact, some of the innovations making smart cities so intelligent — like sensors, IoT connectivity, and autonomous vehicles — were raised on the farm.

PRECISION TECHNOLOGY IN AGRICULTURE

In the city, smart grids deliver power when and where it’s needed, based on real-time data from a network of sensors. The system monitors electricity usage, reporting shortages or outages instantly while smart relays and switches reroute power around problems automatically. It’s all designed to make the electric grid more resilient and more reliable, using less energy.

The same type of technology and resource optimization is happening in modern agriculture. Drones, satellites, and remote sensors give farmers detailed information about every corner of their operation, including soil moisture, nutrition levels, salinity, harvest data, and more. “We used to talk about farming by the foot as this radical new concept,” says Mark Young, chief technology officer at The Climate Corporation. “And now we’re pretty much farming by the seed.” The insights can be used to do things like automatically guiding variable rate application systems, including drip irrigation. Like the smart grid, variable rate irrigation delivers water on-demand, and only where it’s needed.

“We used to talk about farming by the foot as this radical new concept, and now we’re pretty much farming by the seed.”

Mark Young, CTO of The Climate Corporation

The information can also help create a digital field map of soil conditions and a custom plan for the farmer. “We’re using AI models to make a recommendation of which seeds should be planted, and where they should be planted,” Young explains. When used with GPS tractor guidance and smart implements, farmers can then apply the exact amount of nutrition, pest control, and other resources precisely when and where they’re required.

“It’s not only better for the farmer,” Young adds. “If we can be more prescriptive and help the farmer understand exactly how much the plant needs and when, it’s more sustainable.”

DRIVERLESS FARMS

While self-driving vehicles have just begun motoring around cities — like the 5G autonomous buses recently adopted in Zhengzhou, China — they’ve been working the farm for decades. In fact, the first autonomous tractor dates back to 1997, when a prototype created perfectly straight beds accurate to within an inch. Today, some farmers still ride in the cab, but the tractor does most of the driving.

Agricultural robots (or agbots) are also being designed for use on the farm, helping farmers grow enough and reduce crop loss while offering alternatives in a labor crunch. Automated harvesters are able to identify and pick ripe apples, strawberries, and tomatoes, all without bruising. By 2024, these robots are forecast to navigate the farm to the tune of an estimated $5.7 billion agbot industry. That’s five times the market size of 2016.

MACHINE LEARNING, MACHINE FARMING

The connectivity of smart cities and farms brings with it mountains of data, and the increasing ability of computers to analyze it all.

In the city, machine learning will make a big difference for your morning commute. Thousands of cameras and sensors will use pattern recognition to control traffic lights, reduce congestion and cut travel time by as much as 25%.

In agriculture, computers will process a staggering number of inputs — including visual characteristics, chemical signatures, climate variables, and thermal images, to name just a few — learning how to better care for crops. New agbot prototypes currently being field tested can autonomously navigate the farm, using machine learning to identify all plant types and remove only the weeds.

Crop photos from the same robots, as well as drones and satellites, can also be used for detecting plant stress, disease, and pest infestation. In plant breeding applications, computers can be trained to identify the expression of traits sooner than the human eye. By comparing data points from millions of photos, these systems can learn to distinguish healthy plants — and desirable characteristics — from those that are showing early signs to the contrary.

THE FUTURE OF AGRICULTURE

Our cities and farms might be miles apart, but they’re much closer when it comes to using the latest advancements in connectivity, automation, and machine learning. Farmers, urban planners, data scientists, engineers, and many others continue to find new ways for data to help inform better decisions while doing more with less energy and fewer resources.

The future farm will work differently, and it might look a lot different too.

Mixed sowing — or the practice of planting different crops next to each other — is difficult today. Industrial-sized harvesters can’t handle it, and traditional methods favor economies of scale. But in the future, our concept of scale might change. Miniature agbots will be able to pair the ideal crop with the exact soil conditions in a precise location, returning months later to identify and harvest individual plants.

It’s more science than science fiction to Mark Young. “We can’t manage 10,000 acres of corn the way you do your backyard garden,” he says. “But with the advent of autonomous equipment, we might.”

This diverse approach will make fields unrecognizable by today’s standards. It will make pesticide use more efficient, conserve natural resources, and improve soil health. And it will increase harvests, helping to keep smart aisles in smart grocery stores in smart cities stocked.


What Smart Cities Are Learning From Smart Farms

Cities around the world are getting smarter. Already, street lights in places like San Diego are turning off, and conserving energy, when vehicles and pedestrians aren’t around. Soon, connected garbage cans will tell waste haulers when they need to be emptied, optimizing collection routes. Smart buildings will notify maintenance staff of impending repair needs. And parking spots will find you, instead of the other way around.

Smart ideas like these aren’t confined to the city limits. They’re working in rural farm country too, helping agriculture grow more efficient and more effective every day. In fact, some of the innovations making smart cities so intelligent — like sensors, IoT connectivity, and autonomous vehicles — were raised on the farm.

PRECISION TECHNOLOGY IN AGRICULTURE

In the city, smart grids deliver power when and where it’s needed, based on real-time data from a network of sensors. The system monitors electricity usage, reporting shortages or outages instantly while smart relays and switches reroute power around problems automatically. It’s all designed to make the electric grid more resilient and more reliable, using less energy.

The same type of technology and resource optimization is happening in modern agriculture. Drones, satellites, and remote sensors give farmers detailed information about every corner of their operation, including soil moisture, nutrition levels, salinity, harvest data, and more. “We used to talk about farming by the foot as this radical new concept,” says Mark Young, chief technology officer at The Climate Corporation. “And now we’re pretty much farming by the seed.” The insights can be used to do things like automatically guiding variable rate application systems, including drip irrigation. Like the smart grid, variable rate irrigation delivers water on-demand, and only where it’s needed.

“We used to talk about farming by the foot as this radical new concept, and now we’re pretty much farming by the seed.”

Mark Young, CTO of The Climate Corporation

The information can also help create a digital field map of soil conditions and a custom plan for the farmer. “We’re using AI models to make a recommendation of which seeds should be planted, and where they should be planted,” Young explains. When used with GPS tractor guidance and smart implements, farmers can then apply the exact amount of nutrition, pest control, and other resources precisely when and where they’re required.

“It’s not only better for the farmer,” Young adds. “If we can be more prescriptive and help the farmer understand exactly how much the plant needs and when, it’s more sustainable.”

DRIVERLESS FARMS

While self-driving vehicles have just begun motoring around cities — like the 5G autonomous buses recently adopted in Zhengzhou, China — they’ve been working the farm for decades. In fact, the first autonomous tractor dates back to 1997, when a prototype created perfectly straight beds accurate to within an inch. Today, some farmers still ride in the cab, but the tractor does most of the driving.

Agricultural robots (or agbots) are also being designed for use on the farm, helping farmers grow enough and reduce crop loss while offering alternatives in a labor crunch. Automated harvesters are able to identify and pick ripe apples, strawberries, and tomatoes, all without bruising. By 2024, these robots are forecast to navigate the farm to the tune of an estimated $5.7 billion agbot industry. That’s five times the market size of 2016.

MACHINE LEARNING, MACHINE FARMING

The connectivity of smart cities and farms brings with it mountains of data, and the increasing ability of computers to analyze it all.

In the city, machine learning will make a big difference for your morning commute. Thousands of cameras and sensors will use pattern recognition to control traffic lights, reduce congestion and cut travel time by as much as 25%.

In agriculture, computers will process a staggering number of inputs — including visual characteristics, chemical signatures, climate variables, and thermal images, to name just a few — learning how to better care for crops. New agbot prototypes currently being field tested can autonomously navigate the farm, using machine learning to identify all plant types and remove only the weeds.

Crop photos from the same robots, as well as drones and satellites, can also be used for detecting plant stress, disease, and pest infestation. In plant breeding applications, computers can be trained to identify the expression of traits sooner than the human eye. By comparing data points from millions of photos, these systems can learn to distinguish healthy plants — and desirable characteristics — from those that are showing early signs to the contrary.

THE FUTURE OF AGRICULTURE

Our cities and farms might be miles apart, but they’re much closer when it comes to using the latest advancements in connectivity, automation, and machine learning. Farmers, urban planners, data scientists, engineers, and many others continue to find new ways for data to help inform better decisions while doing more with less energy and fewer resources.

The future farm will work differently, and it might look a lot different too.

Mixed sowing — or the practice of planting different crops next to each other — is difficult today. Industrial-sized harvesters can’t handle it, and traditional methods favor economies of scale. But in the future, our concept of scale might change. Miniature agbots will be able to pair the ideal crop with the exact soil conditions in a precise location, returning months later to identify and harvest individual plants.

It’s more science than science fiction to Mark Young. “We can’t manage 10,000 acres of corn the way you do your backyard garden,” he says. “But with the advent of autonomous equipment, we might.”

This diverse approach will make fields unrecognizable by today’s standards. It will make pesticide use more efficient, conserve natural resources, and improve soil health. And it will increase harvests, helping to keep smart aisles in smart grocery stores in smart cities stocked.


Უყურე ვიდეოს: პანდემია გლობალური პრობლემაა და ცხადია, შეეხო სოფლის მეურნეობის დარგსაც.. - ვიტალი კილასონია (იანვარი 2022).