چگونه با هوش مصنوعی آفات و بیماری‌های گیاهی را پیش‌بینی کنیم

هوش مصنوعی (AI) با ارائه ابزارهای پیشرفته به کشاورزان برای شناسایی و پیش‌بینی تهدیدات محصولات، کشاورزی را متحول می‌کند. آفات و بیماری‌های گیاهی باعث خسارات ویرانگری می‌شوند – تا ۱۵–۴۰٪ از عملکرد جهانی محصولات – بنابراین هشدار زودهنگام حیاتی است.

سیستم‌های مدرن هوش مصنوعی (یادگیری ماشین و شبکه‌های عصبی عمیق) می‌توانند داده‌های عظیمی از جمله تصاویر، الگوهای آب و هوایی و خوانش‌های حسگرها را تحلیل کنند تا علائم ظریف بیماری را تشخیص داده یا شیوع‌ها را پیش‌بینی کنند. کارشناسان بین‌المللی اشاره می‌کنند که هوش مصنوعی در «نظارت بر رفتار پویا آفات» و استفاده از داده‌های لحظه‌ای برای تمرکز مداخلات در مهم‌ترین نقاط، برتری دارد.

کشاورزی هوشمند اکنون از هوش مصنوعی برای شناسایی و پیش‌بینی مشکلات محصولات استفاده می‌کند و به کشاورزان کمک می‌کند با دقت بی‌سابقه، راه‌حل مناسب را در زمان مناسب به کار گیرند.

— کنسرسیوم تحقیقات هوش مصنوعی کشاورزی

شناسایی آفات و بیماری‌ها بر اساس تصویر

یک کشاورز کنیا با استفاده از اپلیکیشن هوش مصنوعی PlantVillage روی گوشی هوشمند خود، آفات روی برگ ذرت را شناسایی می‌کند. تشخیص تصویر مبتنی بر هوش مصنوعی به هر کسی اجازه می‌دهد مشکلات گیاهی را از طریق یک عکس ساده تشخیص دهد و دسترسی به دانش تخصصی کشاورزی را دموکراتیک می‌کند.

برای مثال، اپلیکیشن رایگان PlantVillage روی هزاران تصویر محصولات سالم و آلوده آموزش دیده است و قادر است آفات رایجی مانند کرم برگ‌خوار پاییزی روی ذرت را تشخیص دهد. کشاورز فقط دوربین گوشی را به سمت برگ آسیب‌دیده می‌گیرد و اپلیکیشن با کمک دستیار صوتی عامل را شناسایی کرده و حتی اقدامات کنترلی هدفمند پیشنهاد می‌دهد.

با خودکارسازی تشخیص بصری، این ابزارها به کشاورزان کوچک کمک می‌کنند «حدس و گمان را پایان دهند» و فقط مشکلات واقعی را درمان کنند، که منجر به کاهش کاربردهای غیرضروری سموم و هزینه‌ها می‌شود.

شناسایی آفات با هوش مصنوعی روی برگ ذرت

شبکه‌های حسگر و تحلیل‌های پیش‌بینی

یک گلخانه در کنیا مجهز به حسگرهای هوش مصنوعی (FarmShield) برای پایش دما، رطوبت و رطوبت خاک. فراتر از تصاویر، هوش مصنوعی از داده‌های حسگرهای لحظه‌ای برای پیش‌بینی خطر آفات با دقت قابل توجه استفاده می‌کند. مزارع و گلخانه‌ها به حسگرهای اینترنت اشیاء مجهز شده‌اند که دما، رطوبت، CO₂، رطوبت خاک و سایر عوامل محیطی حیاتی را اندازه‌گیری می‌کنند.

سیستم‌های تخصصی مانند FarmShield این شرایط را به طور مداوم ثبت کرده و از طریق مدل‌های یادگیری ماشین تحلیل می‌کنند. برای مثال در کنیا، کشاورزی از FarmShield برای پایش اقلیم گلخانه استفاده می‌کند؛ هوش مصنوعی دقیقا زمان آبیاری خیار را برای جلوگیری از تنش و بیماری توصیه می‌کند.

برای مثال در مزارع نیشکر هند، یک پلتفرم هوش مصنوعی داده‌های محلی آب و هوا و تصاویر را ترکیب می‌کند و هشدارهای روزانه ارسال می‌کند – مانند «بیشتر آبیاری کنید. کود بپاشید. آفات را بررسی کنید.» – همراه با نقشه‌های ماهواره‌ای که دقیقا محل انجام اقدامات را مشخص می‌کنند.

این سیستم‌های تحلیل پیش‌بینی الگوهای داده‌های زمانی را یاد می‌گیرند تا وقتی شرایط برای شیوع آفات مساعد است (رطوبت بالا، شب‌های گرم و غیره)، کشاورزان هشدارهای زودهنگام با زمان کافی برای اقدام پیشگیرانه دریافت کنند.

حسگرهای هوشمند مزرعه مجهز به هوش مصنوعی

منابع داده و روش‌های کلیدی هوش مصنوعی

با حذف حدس و گمان در زمان‌بندی کنترل آفات، بینش‌های مبتنی بر هوش مصنوعی به کاهش سم‌پاشی‌های غیرضروری کمک کرده و عملکرد را افزایش داده و کشاورزی پایدار را ترویج می‌کنند.

نمونه‌ها و ابزارهای واقعی

کشاورزان سراسر جهان در حال حاضر از راه‌حل‌های هوش مصنوعی برای مبارزه با آفات و بیماری‌ها با موفقیت چشمگیر استفاده می‌کنند. در آفریقا، کشاورزان کوچک گوشی‌های هوشمند را به برگ محصولات می‌گیرند و به تشخیص هوش مصنوعی اعتماد می‌کنند، در حالی که عملیات تجاری شبکه‌های حسگر پیشرفته‌ای را به کار می‌گیرند.

فناوری تله هوشمند

حتی تله‌های تجاری اکنون از هوش مصنوعی استفاده می‌کنند: تله‌های خودکار فرومونی مانند Trapview حشرات را به دام می‌اندازند و با دوربین‌های داخلی و یادگیری ماشین تعداد و گونه آفات را شمارش و شناسایی می‌کنند. این تله‌های هوشمند می‌توانند با تشخیص افزایش تعداد آفات در زمان واقعی، شیوع را پیش‌بینی کرده و مداخلات هدفمند پیش از انفجار آلودگی‌ها را ممکن سازند.

بیشتر کاربردهای هوش مصنوعی در بخش‌هایی از آفریقا بر کشاورزی و امنیت غذایی متمرکز بوده است و دامنه خدمات کشاورزی و کارشناسان کمیاب را گسترش داده است.

— گزارش‌های فناوری کشاورزی صنعتی

ادغام داده‌های کشاورزی با هوش مصنوعی

با تبدیل داده‌ها به توصیه‌های عملی – چه از طریق اپلیکیشن‌ها، تله‌های هوشمند یا شبکه‌های حسگر – هوش مصنوعی به کشاورزان کمک می‌کند «تصمیم درست را در زمان درست» برای کنترل مؤثر آفات اتخاذ کنند.

چالش‌ها و مسیرهای آینده

با وجود وعده‌هایش، پیش‌بینی آفات مبتنی بر هوش مصنوعی با موانع قابل توجهی روبرو است که باید برای پذیرش گسترده برطرف شوند. داده‌های محلی با کیفیت بالا ضروری است: همانطور که فائو اشاره می‌کند، کشاورزان نیاز به دسترسی به شبکه‌های حسگر خوب، اتصال و آموزش برای استفاده مؤثر از این ابزارها دارند.

در بسیاری از مناطق، دسترسی محدود به گوشی هوشمند، اینترنت ناپایدار و کمبود سوابق تاریخی موانع قابل توجهی باقی مانده‌اند. علاوه بر این، کارشناسان هشدار می‌دهند که مدل‌های هوش مصنوعی ممکن است زمینه محلی حیاتی را از دست بدهند – برای مثال، پژوهشگری آفریقایی هشدار می‌دهد که بیشتر مجموعه‌های آموزشی هوش مصنوعی دانش کشاورزی بومی را شامل نمی‌شوند، بنابراین توصیه‌های صرفاً مبتنی بر هوش مصنوعی ممکن است روش‌های محلی آزموده شده را نادیده بگیرند.

فناوری‌ها و نوآوری‌های نوظهور

نگاهی به آینده، پیشرفت‌های مداوم قابلیت‌های پیش‌بینی آفات را بهبود خواهد بخشید. مدل‌های جدید یادگیری عمیق و تکنیک‌های هوش مصنوعی قابل توضیح پیش‌بینی‌ها را دقیق‌تر و شفاف‌تر کرده و اعتماد و درک کشاورزان را افزایش می‌دهند.

فائو حتی در حال کار روی مدل‌های بزرگ هوش مصنوعی کشاورزی (مانند GPT برای کشاورزی) است که داده‌های جهانی را ادغام کرده و در زمان واقعی درباره مسائل محلی مشاوره می‌دهند. در همین حال، جامعه بین‌المللی حفاظت از گیاهان در حال آموزش پرسنل برای استفاده از هوش مصنوعی و پهپادها برای پایش بیماری‌های کشنده مانند فوزاریوم موز است.

ترکیب هوش مصنوعی با تخصص کشاورزان

نتیجه‌گیری: آینده کشاورزی هوشمند

خلاصه اینکه، پیش‌بینی آفات و بیماری‌های گیاهی با هوش مصنوعی شامل ترکیب چندین فناوری پیشرفته است: بینایی کامپیوتری برای شناسایی علائم، حسگرهای اینترنت اشیاء برای ردیابی شرایط رشد، و یادگیری ماشین روی داده‌های تاریخی و محیطی برای پیش‌بینی شیوع‌ها با دقت بی‌سابقه.

این روش‌ها به کشاورزان ابزارهای قدرتمند هشدار و تشخیص زودهنگام می‌دهند که کشاورزی سنتی را متحول می‌کنند. با ادغام هوش مصنوعی در عملیات کشاورزی، کشاورزان می‌توانند خسارات محصولات را کاهش دهند، مصرف سموم را پایین بیاورند و کشاورزی را در برابر تغییرات اقلیمی و تهدیدات نوظهور مقاوم‌تر کنند.

هوش مصنوعی هدررفت منابع را به حداقل می‌رساند و با اولویت‌بندی اقدامات تنها در مناطق حیاتی، کارایی مدیریت را افزایش می‌دهد – برد-برد برای بهره‌وری و پایداری.

— کارشناس فناوری کشاورزی IPPC