Mesterséges intelligencia a paradicsomtermesztésben

A többek között a Wageningen Egyetem felügyelete mellett megrendezett idei Autonomous Greenhouse Challenge verseny célkitűzése az volt, hogy a csapatok olyan mesterséges intelligencia által irányított algoritmusokat fejlesszenek ki, amelyekkel egy üvegházban folyó termesztés távolról irányítható – vagyis minden olyan döntést a számítógép hozzon meg, amit normál esetben a termesztő szokott meghozni. A döntési körbe értendő a klímakomputer beállításaitól kezdve az is, hogy mit és mikor termesszen a gazda, és ehhez milyen erőforrásokra lesz szükség, illetve a fejszám beállítása, a levelezések és metszési munkák időpontjának meghatározása – írja a FruitVeb.

fotó: pxhere.com

A verseny időtartama hat hónap volt, eddig kellett a csapatok által kidolgozott algoritmusoknak irányítaniuk az üvegházban folyó termesztést. Az értékelés pontozásos alapon történt: a termés mennyisége és minősége mellett a bírálók figyelembe vették az adott termesztéstechnológia fenntarthatóságát is – a legfőbb érdekesség pedig az volt, hogy ezeket az adatokat összehasonlították a gazdák által elért eredményekkel, azaz kiderült, hogy az algoritmusok képesek-e „legyőzni” a gazdákat. Arról még nincs szó, hogy az üvegházi termesztés teljesen automatizált (emberi kéz beavatkozása nélküli) legyen, de már most sikerült pár olyan részterületet meghatározni, amelyekben az algoritmusok jobban teljesítettek a gazdáknál.

A versenyben részt vevő csapatok a termesztésben már széles körben elterjedt, hagyományos érzékelőkön kívül saját fejlesztésű szenzorokat is alkalmazhattak, és ezek adatait is felhasználhatták a termesztési modellek döntési algoritmusaiban. A versenyt a Van der Hoeven Horticultural Projects gyári csapata, az Automatoes nyerte – ez a cég több mint egy évtizede foglalkozik üvegházi paradicsomtermesztéssel – az üvegházakat nem csak megépítik, hanem a termesztőket bevonva folyamatosan üzemeltetik is a rendelkezésükre álló, korábban összegyűjtött adatok segítségével.

A verseny során az Automatoes nem használta a más üvegházakból származó adatokat, hanem kizárólag az adott létesítményben mért számokra hagyatkozott – ezeket különböző csoportokba sorolta (világítás, öntözés), majd további részkategóriákra osztott, és ezeket mesterséges intelligenciával elemezve hozta meg a szükségesnek vélt döntéseket.

fotó: pxhere.com

Egy egyszerű példa erre az öntözés, amikor a kőzetgyapot termesztőközegbe telepített érzékelők adataiból egy regressziós modell alkalmazásával határozták meg, hogy a délutáni órákban mikor kell befejezni az öntözést ahhoz, hogy a közeg reggelre a megfelelő mértékben száradjon ki. Ennél sokkal bonyolultabb példa a szellőztetés vezérlésének kérdése, amelyet az Automatoes az üvegházi termesztés legfontosabb pontjának tart. A cég által alkalmazott növénytermesztési stratégia (Plant Empowerment) lényege, hogy nem optimálisnak tartott környezeti feltételeket próbálnak megteremteni, hanem a szenzorok magát a növényt nézik folyamatosan, és ennek megfelelően állítják be a klímaparamétereket.

Ezért a versenyben nem is a hagyományos, arányossági tartományon alapuló (P-band) szabályozást használták, mivel tapasztalataik szerint ilyenkor az üvegház túl sokat szellőztet, indokolatlanul nagy a légmozgás és az energiaigény. Ezért egy olyan szenzort alkalmaztak, amely a növény sztómáinak viselkedését figyelte, és ennek alapján döntött a modell arról, hogy mikor és mennyit kell szellőztetni.

Hasonló elvet követtek a fénymennyiség meghatározásánál is, mivel tapasztalataik szerint a besugárzásnak és a 24 órás hőmérsékletnek mindig egyensúlyban kell lennie. Az időjárás-előrejelzések alapján ezért egy olyan klímatervet készítettek, ami ezt az arányt igyekezett fenntartani, de itt is folyamatosan monitorozták, hogy a növény hogyan viselkedik, és szükség esetén valamint a fenológiai állapotnak megfelelően módosították az aránytényezőt.

Az Automatoes csapat vezetője, Leonard Baart de la Faille szerint mindenképpen az embermentes üvegházaké a jövő, ez a távlati cél. Ez azonban még messze van, sok-sok évre vagyunk megvalósításától. Ennek egyik legfőbb oka, hogy sokkal több szenzorra van szükség ahhoz, hogy a megfelelő adatok rendelkezésre álljanak a teljes robotizációhoz. Ugyanakkor már középtávon is elképzelhető az, hogy egyes részterületek vezérlését önműködő, autonóm rendszerek vegyenek át az üvegházakban, ilyen például a fentebb említett klímavezérlés – Leonard szerint ez már pár éven belül lehetséges lesz.

A termesztők hasonló véleményen voltak, szerintük is óriási jelentősége lesz a növényszenzorok elterjedésének. A termelők már régóta dolgoznak olyan érzékelőkkel (főleg a klíma és az öntözés részterületein), amelyek megkönnyítik munkájukat, és segítik őket a döntéshozatalban. A közvetlenül a növényekről adatokat szolgáltatók érzékelők, például az egyre inkább terjedőben lévő fotoszintézis-szenzorok használata azonban teljesen új információkkal szolgálhatnak a termesztés számára. Az érzékelők által a központi számítógépre küldött óriási mennyiségű információ feldolgozása csak a megfelelő algoritmusokkal, mesterséges intelligenciával lehetséges – többek között ez a felismerés állt a verseny kiírásának hátterében.

agrotrend.hu / FruitVeb