På samme måte som virtuelle assistenter hjelper oss med å oppdage vår neste favorittsang, har en ny programvarepakke brukt avansert maskinlæring for å hjelpe bønder og agronomer å finne ut hva avlingene og jordene deres trenger for å øke utbyttet på en bærekraftig måte, ifølge denne artikkelen publisert av AGDaily.
De vitenskapelige teamene til Bayer Crop Science og Biomaker testet og avslørte den første applikasjonen av denne banebrytende teknologien den bioRxiv. Studien og den resulterende vitenskapelige artikkelen beskriver analysen av jordmikrobiomet for å vurdere effektiviteten av Bayers biologiske soppdrepende middel Minuet. Spesielt tillot programvare for maskinlæring Bayer CS å forutsi forbedring av potetutbytte før innspillingen ble brukt. Det forventede resultatet var en avkastningsstøt på opptil 40% i et av feltene som ble testet i Idaho.
"Det er en unik tilnærming å utnytte jordbiologi og optimalisere bruken av avlingstilførsler fremover mot bærekraftige og økonomisk gunstige løsninger for å forbedre avlingens produktivitet," sa Varghese Thomas, prosjektleder i Bayer CS.
Denne teknologien er et stort sprang fremover for agronomen, som hittil har manglet de nødvendige dataene for å nøyaktig bestemme biologiske løsninger for deres sesongmessige beslutninger om jord og avling. Jord er en verdifull ressurs for å øke avlingene og kvaliteten, men slik den for øyeblikket ser ut, er agronomiske anbefalinger basert på liten kunnskap om de biologiske prosessene som forekommer i den. Men i dag, med tilgjengeligheten av en virtuell AI-assistent som hjelper til med å forutsi effekten av forskjellige løsninger, endres spill og fremgang mot et mer produktivt og bærekraftig landbrukssystem.
AI er en ressurs som er i stadig utvikling, og som sådan blir den for tiden "trent" for å løse andre oppdrettsproblemer, inkludert spørsmål om holdbarhetstid, næringskvaliteten på produktene og anslått karbonkreditt basert på bruk av forskjellige produkter eller administrasjonspraksis. Inndataprodusenter kan legge til sin egen, tilpassede løsning til AI-anbefalingssystemet ved å teste det under streng Gheom feltforsøksprotokoll.