Agrivi
Softverski poljoprivredni alat Agrivi koji pomaže poljoprivrednicima, između ostalog, optimizirati proizvodnju korištenjem preporučenih praksi uzgoja, udružio se s Fakultetom elektrotehnike i računarstva (FER) u sklopu projekta “Povećanje produktivnosti uzgoja krumpira uz pomoć algoritama strojnog učenja” da razvije Agrivi Smart, tj. samoučeći algoritam za upravljanje procesom uzgoja voća, povrća i žitarica.
Agrivi Smart: Cilj ovog projekta je, kako kaže Gebaei, napraviti rješenje koje će poljoprivrednicima pomoći u donošenju odluka. Trivijalno rečeno, uz Agrivi Smart svatko će se moći krenuti baviti poljoprivrednom proizvodnjom, čak i bez prethodnog poznavanja ikakvih praksi uzgoja neke kulture.
Direktor tehnologije (CTO) u Agriviju Darko Gebaei kaže da su u jednom trenu shvatili da njihov alat generira jako puno podataka - što samim unosom podataka i evidencijom aktivnosti poljoprivrednika, što s raznih senzora na vremenskim stanicama, koje postaju sve prisutnije u poljoprivredi. “Shvatili smo da je poljoprivredniku teško prožeti informacije iz mnoštva podataka i izvora te dobiti sliku što se s njegovom proizvodnjom događa, koji su ključni faktori koji utječu na profitabilnost njegove proizvodnje te kako on u svemu tome može izvući maksimum”, objašnjava Gebaei.
O ideji za algoritam počeli su razmišljati i razgovarati s kolegama na FER-u prije dvije godine, a nakon što su dobili potporu Operativnog programa “Konkurentnost i kohezija” Europskog strukturnog i investicijskog fonda (ESI fondovi) Europske unije (EU), počeli su zajedno i surađivati na trogodišnjem projektu. Suradnja se sastoji od toga da, s jedne strane, Agrivi uz pomoć agronoma opskrbljuje FER konkretnim znanjima vezanima za poljoprivredne procese, dok zaposlenici FER-a uzimaju te informacije kako bi razvili najbolji mogući model strojnog učenja.
Darko Gebaei, direktor tehnologije u Agriviju, kaže da su u razgovoru s velikim proizvođačima doznali da ulaganje u ovakve tehnologije štedi i do 70% godišnje
U tu svrhu koriste se Bayesovim mrežama da naprave model koji bi se kasnije mogao unaprijediti drugim metodama poput reinforcement learninga ili dubokih neuronskih mreža. “Ekspertna znanja agronoma već postoje te se ona a priori mogu ugraditi u model Bayesove mreže. Koristeći ta znanja i dostupne podatke, korisnici mogu dobiti kvalitetne preporuke. Kako će ta baza znanja rasti, to će model biti bolji”, objašnjava Fredi Šarić s FER-a zašto su se odlučili upravo za ovaj model. Za sada testiraju sustav u suradnji s desetak poljoprivrednika iz Hrvatske na čija polja će postaviti vremenske stanice, prikupljati podatke s istih te pratiti njihove unose što se tiče potrošnje pesticida i ostalih parametara.
Fredi Šarić s FER-a kaže da istrenirani model može davati dobre predikcije bez potrebe za ekspertom (agronomom) u stvarnom vremenu i bez potrebe za skupom opremom.
Krajnji cilj svega je napraviti sustav koji će korisniku predlagati najbolje prakse uzgoja voća, povrća i žitarica, tako da se i ljudi koji nemaju puno znanja u domeni poljoprivrede ili agronomije mogu logirati u sustav i od sutra početi, primjerice, s uzgojem oraha. “Općenito, cilj AI-ja i strojnog učenja je optimizirati proizvodne procese, uštedjeti vrijeme i financijske troškove, sve se radi u svrhu toga”, kaže Tomislav Kovačević s FER-a.
Gebaei dodaje da danas u poljoprivredi sve popularniji postaju savjetnici, odnosno eksperti, najčešće agronomi, koji poljoprivrednicima pomažu u donošenju odluka. “Ono što mi možemo napraviti s ovim produktom jest potpuno digitalizirati taj dio i ponuditi jednu kompletno novu digitalnu uslugu cijelom spektru poljoprivrednih proizvođača”, naglašava Gebaei.
