تطبيقات «الذكاء الاصطناعي» في الزراعة

إعداد: أ.د.عطية الجيار

أستاذ بمعهد بحوث الأراضي والمياه والبيئة بمركز البحوث الزراعية

مما لا شك فيه أن الذكاء الاصطناعي بات يُدير العالم الحديث، ويُعرف بأنه نظام يعمل مثل الإنسان ويحدث تغييرات ثورية في قطاع الزراعة ولهذا يعتمد الاقتصاد عليه.. والزراعة أمر بالغ الأهمية للقطاع الاقتصادي في كل دولة. يعتمد الجميع بشكل مباشر وغير مباشر على المنتجات الزراعية لتلبية احتياجاتهم اليومية.

تابعونا على قناة الفلاح اليوم

تابعونا على صفحة الفلاح اليوم على فيس بوك

الطلب على الغذاء آخذ في الارتفاع جنبا إلى جنب مع سكان العالم على أساس يومي. وفي هذه المرحلة، فإن التقنيات التقليدية للمزارعين غير كافية لتلبية الطلب. هناك حاجة إلى بعض تقنيات الأتمتة الجديدة لتلبية الطلب العالمي الحالي على المنتجات الزراعية.

يؤدي الذكاء الاصطناعي دورا مهما للغاية في قطاع الزراعة لتحويل الصناعة الزراعية. يتمتع الذكاء الاصطناعي بالقدرة على تغيير الزراعة التقليدية من خلال زيادة كفاءة الوقت والعمل والموارد، وتعزيز الاستدامة البيئية، وتوفير الدقة في المراقبة وتحليل البيانات لتحقيق نتائج زراعية أفضل.

لقد أدى الذكاء الاصطناعي المفيد في الزراعة، من البذور إلى البذور، إلى تحسين إنتاج المحاصيل وحمايتها وحصادها ومعالجتها وتسويقها. لقد تم بالفعل إدخال العديد من الأجهزة المعتمدة على أجهزة الكمبيوتر والروبوتات الزراعية عالية التقنية لتحديد مختلف المعايير الحاسمة لتحسين الزراعة.

الذكاء الاصطناعي

الذكاء الاصطناعي هو أداة تحاكي عمليات الذكاء والقدرة البشرية بواسطة الآلات وأنظمة الكمبيوتر المتقدمة والروبوتات والمعدات الرقمية. للذكاء الاصطناعي العديد من الاستخدامات، بما في ذلك معالجة اللغة الطبيعية (NLP) Natural Language Processing لفهم اللغة البشرية المنطوقة، ورؤية الكمبيوتر لعرض التحويلات التناظرية إلى الرقمية مثل الفيديو، والتعرف على الكلام والأنظمة المتخصصة لتقليد الحكم.

إن القدرات المعرفية الثلاث للتعلم والتفكير والتصحيح الذاتي هي أساس تشفير الذكاء الاصطناعي، والذي يعتمد عليه كل إجراء ونتيجة. في السنوات الأخيرة، شملت الصناعات الأسرع نموا تلك الموجودة في الخدمات المصرفية والرعاية الصحية وتجارة التجزئة والأبحاث الصيدلانية والأتمتة الذكية للعمليات والتسويق والزراعة.

وفقا للمنظمات الزراعية، فإن عدد سكان العالم يتزايد بمعدل سريع للغاية. ومع تزايد عدد السكان، تزداد الحاجة إلى الغذاء بسرعة. ونتيجة لهذا السياق، نحتاج إلى استخدام حلول تكنولوجية مختلفة لجعل الزراعة أكثر ملاءمة وكفاءة. تتكون هذه التقنيات الحديثة من الذكاء الاصطناعي والتعلم الآلي والتعلم العميق. تدعم تكنولوجيا الذكاء الاصطناعي العديد من قطاعات الزراعة لتعزيز الإنتاجية والكفاءة.

لذا، سنناقش كيف يمكن للذكاء الاصطناعي أن يغير السلوك الزراعي ونلقي الضوء على رؤية لكيفية تغذية قطاعات الزراعة باستخدام الذكاء الاصطناعي. كما أنه يبحث في الأفكار المدعومة بالذكاء الاصطناعي في مستقبلنا والتحديات المتعددة في المستقبل.

ـ مقدمة: تعتبر الزراعة صناعة رئيسية وأساسا للاقتصاد، وتؤدي دورا رئيسيا في النمو الاقتصادي على المدى الطويل. هناك عوامل مختلفة مثل تغير المناخ والنمو السكاني ومخاوف الأمن الغذائي التي دفعت الصناعة إلى البحث عن المزيد من التدابير الوقائية ومسار العمل لتحسين إنتاجية المحاصيل.

يؤكد على فحص المحاصيل المعيبة وتحسين إمكانية إنتاج المحاصيل الصحية. يوفر الذكاء الاصطناعي طرقا أكثر كفاءة لإنتاج وحصاد وبيع المحاصيل الأساسية. تقوم الأعمال التجارية في مجال الزراعة بمساعدة الذكاء الاصطناعي بمعالجة البيانات الزراعية لتقليل النتائج السلبية وقد أدى النمو في تكنولوجيا الذكاء الاصطناعي إلى تعزيز الأعمال القائمة على الزراعة لتعمل بشكل أكثر كفاءة.

1ـ التحليلات التنبؤية

يعمل الذكاء الاصطناعي على إحداث تحول في الزراعة بعدة طرق حاسمة وله إمكانات هائلة. فهو يوفر للمزارعين ميزة التقنيات المبتكرة للزراعة بشكل أكثر كفاءة وزيادة إنتاجيتهم. بالنسبة للمزارعين الذين يعتمدون على الأمطار، يعد الإعداد للزراعة مهمة شاقة، حيث أن تأخير هطول الأمطار لمدة أسبوع يمكن أن يفسد المحصول.

تطبيقات الذكاء الاصطناعي في الزراعة يشمل: الحصاد بالروبوتات – الري وإدارة المياه – اختيار البذور بسرعة باستخدام تقنية جرثومة البذور – إدارة تغذية التربة – استخدام المغذيات والأسمدة – التنبؤ بحالة الطقس – مكافحة الحشائش ومكافحة الآفات – زيادة حصة تحقيق السعر إلى المنتجين.

بالشراكة مع ICRISAT (المعهد الدولي لأبحاث المحاصيل في المناطق الاستوائية شبه القاحلة)، قامت Microsoft بتطوير تطبيق البذر القائم على الذكاء الاصطناعي والمدعوم من Microsoft Cortana Intelligence Suite لتمكين المزارعين من الاستفادة من قوة الذكاء الاصطناعي لزيادة المحاصيل.

يستخدم تطبيق AI Sowing تحليلا تنبؤيا قويا قائما على السحابة لتقديم المشورة للمزارعين بشأن أفضل وقت لزراعة محاصيلهم باستخدام بيانات حول الظروف الجوية وجودة التربة ومؤشرات أخرى. تمت تغذية التطبيق بأكثر من 30 عاما من البيانات المناخية، جنبا إلى جنب مع معلومات الطقس في الوقت الفعلي ونماذج التنبؤ المتطورة ومن خلال الذكاء الاصطناعي (والتعلم الآلي) لتحديد الوقت الأمثل للزراعة، والوقت المثالي للزراعة وعمق البذر المثالي وكمية السماد المراد تطبيقها وغيرها الكثير.

يتم بعد ذلك إرسال هذه المعلومات إلى المزارعين عبر الرسائل النصية التي يتلقونها على الهاتف مع الميزات الأساسية. تساعد الرسائل النصية المتعلقة بالزراعة المزارعين على زيادة خصوبة التربة وإنتاجيتهم. في عام 2017، حقق المزارعون الذين كانوا يتلقون الرسائل النصية الاستشارية لتطبيق الذكاء الاصطناعي غلة أعلى بنسبة 10-30% للهكتار الواحد من غيرهم.

2ـ الروبوتات الزراعية

مع تزايد عدد السكان الذين يحتاجون إلى الغذاء في المستقبل، فإن إحدى المشاكل الرئيسية ستكون كمية العمالة اللازمة. وتواجه بعض البلدان بالفعل مشكلة نقص العمالة. هناك حاجة فورية لتطوير الآلات الزراعية لجعلها أكثر جدوى وفائدة وفعالية من حيث التكلفة. تم دمج الروبوتات مع الزراعة في العديد من المجالات. بعض تطبيقات الروبوتات في الزراعة هي كما يلي:

أ. التصوير الجوي: الطائرات بدون طيار: في الزراعة، هناك حاجة لإعداد خطط إدارة المحاصيل، وإجراء التحليل الموسمي على الأراضي الزراعية، وتقييم تأثير الأسمدة، وحساب توزيع المياه في منطقة المحاصيل وتخطيط الموارد للحصاد والتخزين والمعالجة والتوزيع. وتساعد تكنولوجيا التصوير في كل هذه المجالات. أحد التطبيقات الرئيسية لتكنولوجيا التصوير هو الطائرة بدون طيار. توفر الطائرة بدون طيار تصويرا عالي الجودة. بحيث يساعد في تحديد ومراقبة المحاصيل وتقييم تقدمها وكذلك صحتها وفي تحديد ما إذا كانت المحاصيل جاهزة للحصاد أم لا. تساعد تكنولوجيا الطائرات بدون طيار في خفض التكاليف وكذلك في تحسين إنتاجية المحاصيل.

ب. الملاحة الذاتية: جرار بدون سائق: الجرار بدون سائق عبارة عن مركبة زراعية ذاتية القيادة توفر درجة عالية من الدقة والدقة بسرعة بطيئة. تمت برمجتها بحيث تستخدم نظام تحديد المواقع العالمي (GPS) وتراقب المناطق المحيطة بها وتتخذ القرار بشأن السرعة والحركة مع تجنب العوائق. وهذا يوفر بيئة خالية من التوتر وأكثر أمانا لعمال المزرعة.

ج. الحصاد الداخلي: حصاد الدفيئة: إنها تقنية الحصاد الداخلي التي تستخدم الروبوتات والرؤية الآلية. تتحرك روبوتات الحصاد في ممر الدفيئة بينما تتعرف على النباتات والفواكه الناضجة وغير الناضجة باستخدام الرؤية الحاسوبية. ثم تقوم بحصدهم ونقلهم إلى النظام الداخلي.

د. روبوتات حصاد الفاكهة: Harvest CROO Robotics: تهدف شركة Harvest CROO Robotics إلى تقليل الفجوة المتزايدة بين انخفاض توافر العمالة والزيادة التلقائية في الطلب على الغذاء. يسمح هذا الحل الآلي بتقليل جامعي المحاصيل من البشر، دون إحداث أي تغيير في كيفية زراعة المحاصيل من قبل المزارعين. لدى شركة Harvest CROO Robotics منتقي آلي قادر على النظر إلى شجيرة الفراولة وتحليلها ومعرفة أي من التوت الموجود على الشجيرة ناضج، كل ذلك بمساعدة الذكاء الاصطناعي.

هـ. الروبوتات الخاصة بالرش وإزالة الأعشاب الضارة: تقنية Blue River: تعمل شركة Blue River على تطوير الزراعة الدقيقة التي ستسمح للحصادات بتقليل استخدام مبيدات الأعشاب والمواد الكيميائية الأخرى عن طريق التحديد الدقيق للمناطق التي توجد بها الأعشاب الضارة فقط ورش تلك المناطق فقط بمبيدات الأعشاب من خلال التنفيذ الفعال لآلات See & Spray . الروبوتات التي يتم سحبها بالجرارات، وهي جزء من شركة Blue River، قادرة على استشعار كل نبات على حدة وتطبيق العدد الصحيح من المدخلات بدقة – كل ذلك في الوقت الفعلي.

و- تطبيق بلانتكس: يبرز تطبيق بلانتكس الذي يعتمد على الذكاء الاصطناعي باعتباره حاجة ملحة للمزارعين في جميع أنحاء العالم. إنها تقدم المساعدة إلى حد كبير للمزارعين والبستانيين من خلال توفير مستودعات المعلومات المتعلقة بالأمراض وتفشي الآفات ونقص العناصر الغذائية – كل ذلك بمجرد تحميل صورة للمحصول المعني. ثم يحصل المستخدم إما على تشخيص صحي مباشر للمحصول أو يحصل على قائمة مماثلة للحالات الصحية المشتبه بها للمحصول للاختيار من بينها.

3ـ مراقبة المحاصيل والتربة والري

لا تزال إزالة الغابات وتدهور نوعية المحاصيل والتربة تشكل تهديدات كبيرة للأمن الغذائي ولها آثار خطيرة ذات تأثير سلبي على الاقتصاد. لذلك، توفر مراقبة المحاصيل والتربة معلومات موثوقة وفي الوقت المناسب عن حالة المحاصيل والتربة والتي تلعب دورا مهما في اتخاذ القرار لتحسين إنتاج المحاصيل. وهذه طريقة فعالة للمراقبة، فهي تحدد العيوب المحتملة ونقص المغذيات في التربة والمحاصيل.

إدارة التربة والري تعتبر القضايا المتعلقة بإدارة التربة والري ذات أهمية كبيرة في الزراعة. يؤدي الري غير السليم وإدارة التربة إلى فقدان المحاصيل وتدهور الجودة. تقنيات الأتمتة في الري وتمكين المزارعين يعتبر الري أحد أكثر العمليات كثيفة العمالة في الزراعة.

يمكن للآلات المدربة على الذكاء الاصطناعي والتي تدرك نمط الطقس التاريخي وجودة التربة ونوع المحاصيل المزروعة، أن تعمل على أتمتة عملية الري وزيادة الإنتاج الإجمالي. يتم استخدام ما يقرب من 70% من موارد المياه العذبة في العالم لأغراض الري؛ يمكن لمثل هذه الأتمتة أن تحافظ على المياه وتفيد المزارعين في إدارة مشاكل المياه الخاصة بهم. إدارة العائد باستخدام الذكاء الاصطناعي.

مع ظهور تقنيات مستقبلية مثل الذكاء الاصطناعي (AI)، والتعلم الآلي السحابي (ML)، والتصوير عبر الأقمار الصناعية والتحليلات المتقدمة، تعمل على تطوير نظام بيئي للزراعة الذكية والفعالة والمستدامة. ويمكّن دمج هذه التقنيات المزارعين من تحقيق متوسط إنتاجية أعلى للهكتار الواحد والتحكم بشكل أفضل في أسعار الحبوب الغذائية، مما يضمن استمرارهم في تحقيق الربح.

في الوقت الحاضر في الهند، في ولاية أندرا براديش، تعمل شركة Microsoft مع المزارعين الذين يقدمون خدمات استشارية زراعية باستخدام Cortana Intelligence Suite بما في ذلك التعلم الآلي وPower BI، مما يتيح تحويل البيانات إلى إجراءات ذكية. يستخدم هذا المشروع التجريبي تطبيق البذر القائم على الذكاء الاصطناعي والذي يوصي بموعد البذر، وإعداد الأراضي الصالحة للزراعة، والتسميد بناءً على تحليل التربة، ومتطلبات نظام FYM وتطبيقه، ومعالجة البذور واختيارها، وتحسين اقتراحات عمق البذر للمزارعين مما أدى إلى زيادة بنسبة 30% في متوسط إنتاجية المحصول للهكتار الواحد.

يمكن أيضا استخدام نماذج الذكاء الاصطناعي في التعرف على فترة البذر المثالية في المواسم المختلفة، والبيانات المناخية الإحصائية، وبيانات كفاية الرطوبة في الوقت الفعلي (MAI) من إحصاءات هطول الأمطار اليومية ورطوبة التربة لإنشاء مخططات تنبؤية وأيضا إدخال مدخلات بشأن أفضل وقت للزراعة للمزارعين.

للتنبؤ بهجمات الآفات المحتملة، تعمل Microsoft بالتعاون مع United Phosphorus Limited على تطوير واجهة برمجة تطبيقات التنبؤ بمخاطر الآفات (API) التي تتمتع بميزة استراتيجية للذكاء الاصطناعي والتعلم الآلي للإشارة قبل الاحتمالات المحتملة لهجوم الذبابة. بناءً على الظروف الجوية ومرحلة نمو المحصول في الحقل، من المتوقع أن تكون هجمات الآفات مرتفعة أو متوسطة أو منخفضة.

بناءً على الابحاث، تدعم الشركات الرؤية الحاسوبية التعلم العميق لمعالجة البيانات التي تلتقطها الطائرات بدون طيار لرصد وتقييم صحة المحاصيل والتربة. ومن أمثلة التطبيقات الزراعية التي تستخدم الرؤية الحاسوبية Farm at Hand وXarvio.

أ. المزرعة في متناول اليد Farm at Hand: تركز Farm at Hand على إنتاجية المحاصيل. فهو يمكن المزارعين من تتبع التقدم المحرز في مهام مثل الزراعة والرش والحصاد، مما يتيح البيانات في الوقت الحقيقي التي يمكن أن تؤدي في النهاية إلى زيادة إنتاجية المحاصيل. تُستخدم الرؤية الحاسوبية لتسليط الضوء على الحقول الفردية، ويمكن للمستخدم وضع خطط موسمية للحقول المختلفة أو عرض التقارير الخاصة بحقل معين.

ب. زارفيو Xarvio: Xarvio هو تطبيق استكشافي يتيح لمستخدمي التطبيق التقاط صور للمحاصيل وتحديد التهديدات المحتملة على صحة المحاصيل، مثل الأمراض والآفات والأعشاب الضارة. قد يكون من الصعب جدًا تحديد الأمراض التي تؤثر فقط على مناطق معينة، حيث لا يتم توثيقها بشكل جيد.

ج. مراقبة المنتجات الزراعية والتحكم في تخزينها بصرف النظر عن مراقبة الآفات والأمراض: إن تخزين وتجفيف وتصنيف المحاصيل المحصودة هي أيضا جوانب حيوية للزراعة. هناك العديد من آليات مراقبة الأغذية والرقابة الداخلية التي تستخدم فكر علوم الكمبيوتر. تشهد الصناعة الزراعية الآن نموا سريعا وتعتمد تقنيات متقدمة من أجل تعزيز الإنتاج الإجمالي للمحاصيل. إن إمكانية الوصول إلى عدد كبير من المعدات والتقنيات الحديثة مثل نظام المراقبة الذكي والطائرات بدون طيار والروبوتات وغيرها قد أحدثت ثورة كاملة في هذا القطاع.

4ـ الإصابة بالآفات

دفع الارتفاع العالمي في حالات الجوع وسوء التغذية الفنيين إلى إنشاء بعض المنهجيات الممكنة لغزو الآفات باستخدام الرصد والتعرف شبه الآلي للتعرف على الكائنات البيولوجية التي تصنف إلى آفات، مع استخدام نظام الشبكة العصبية الاصطناعية. ويبدو أن الإدراك متعدد الطبقات، وهو أسلوب معروف في الذكاء الاصطناعي، كان مثمرا لهذا الغرض أيضا.

تشكل أمراض المحاصيل أيضا مصدر قلق بالغ للمزارع. مطلوب خبرة وخبرة كبيرة من أجل اكتشاف النبات المريض واتخاذ الخطوات اللازمة للتعافي. يضمن استشعار الصورة وتحليلها تقسيم صور أوراق النبات إلى مساحات سطحية مثل الخلفية والمنطقة المريضة والمنطقة غير المريضة من الورقة. يتم بعد ذلك قص المنطقة المصابة أو المريضة وإرسالها إلى المختبر لمزيد من التشخيص. وهذا يساعد أيضا في تحديد الآفات واستشعار نقص المغذيات. وتقوم Microsoft حاليا باتخاذ خطوة أخرى نحو الذكاء الاصطناعي في الزراعة.

يقوم خبراء مكافحة الآفات باختبار تطبيق للهواتف المحمولة يعمل بنظام Android والذي من شأنه أن يساعد في التعرف على القوارض وكذلك الحشرات. يقوم الفني بعد التقاط صورة لمرتكب الجريمة ببدء تشغيل التطبيق. يقوم التطبيق، المدعوم ببرنامج تصنيف الصور والتعلم الآلي من Google، بفحص الصورة التي تم تحميلها لتحديد القوارض أو الخلل. بعد التحديد الناجح، يتم وضع الحلول التي تم تغذيتها مسبقًا في نظر الفني وتساعد في تحديد خطة الحل.

نقلا عن مثال (AI) ARTIFICIAL INTELLIGENC E ، قام التقنيون والباحثون بتطوير حساسات تكتشف آفتين كبيرتين تهاجمان محصول القطن للمزارعين، وقد أنجزوا استكمال العروض الميدانية بالتعاون مع مبادرة قطن أفضل فى الهند ولاية ماهاراشترا.

5ـ التنبؤ بالعائد

بعد جمع كل التطبيقات المذكورة أعلاه والتي ساعدت المزارع على زيادة إنتاجيته، بقي الآن هو تقدير تكلفة المحصول. يعد التنبؤ بإنتاجية المحاصيل مفيدًا جدًا في هذه الحالة لاستراتيجيات التسويق. يتيح مزيج إنترنت الأشياء وتقنيات الذكاء الاصطناعي للمزارعين تقييم صحة النبات وأسعار المحاصيل في السوق. ومن خلال المعدات التي تعمل بالذكاء الاصطناعي، يمكننا زيادة إنتاجية محاصيلنا بنحو 30% بدقة محتملة تصل إلى 85%.

يصنف التنبؤ بالمحاصيل مجموعة البيانات على أساس إنتاجية المحصول وتسميات الفئات (منخفضة ومتوسطة وعالية)؛ ويقدر نطاق الإنتاجية والانحدار للتنبؤ بالتكلفة الفعلية لإنتاج المحصول. ومن خلال استخدام النماذج الإحصائية التجريبية وتقنيات تحليل البيانات في مجموعات البيانات القائمة على الإنتاج الزراعي، يتم التنبؤ بإنتاجية المحاصيل على أساس تشغيلي للتنبؤ بالأنماط أو الأفكار غير المعروفة حتى تتمكن من مساعدة المزارعين المستفيدين في صنع القرار.ومن بعض نماذج اتخاذ القرار هذه لتقدير تكلفة إنتاج غلة المحاصيل هي:-

أ. دعم آلات المتجهات (SVM)Support Vector Machines: SVM- هو نموذج غير خطي يستخدم لمشاكل التصنيف والانحدار بما في ذلك أكثر من فئة واحدة على جانبي الخط الذي يقسم المستوى. تم تطوير نماذج التصنيف المستندة إلى SVM للتنبؤ بمحصول الأرز باستخدام طريقة التصنيف المتعدد واحد مقابل واحد.

ب. تقدير غلة المحاصيل على أساس LS-SVM: آلة ناقل الدعم الخطية المربعة هي امتداد لـ SVM، وتستخدم بشكل خاص عندما تكون مجموعة البيانات معقدة للغاية. في هذا النموذج، نقوم أولا بجمع البيانات من مصادر مختلفة وإعداد مجموعات البيانات، والتي يتم استخدامها أيضا للتحليل الوصفي والتشخيصي، لتحديد متوسط دقة المصنفات لتقدير إنتاجية المحاصيل، مما يساعد المزارعين على اتخاذ القرار الصحيح بشأن زراعة محصول معين في الأرض المتاحة. التنبؤ بمحصول قصب السكر من خلال التطبيق من قيمة معينة للمتغير التوضيحي عن طريق حساب نموذج الانحدار الخطي لتحليل المحصول.

إن فكرة تطبيق مفهوم التحليلات الوصفية في المجال الزراعي دفعت المزارعين إلى تجهيز أغذية صحية وذات قيمة غذائية جيدة دون أي خسارة في الحبوب، وبالتالي الحصول على الربح. ومن خلال الذكاء الاصطناعي، يستطيع المزارع الحصول على فكرة واضحة عن الأسعار، ويقدر مكاسبه بضعف مدخلاته.

6ـ الذكاء الاصطناعي في السوق الزراعية

اكتسبت تقنيات الذكاء الاصطناعي التي تشمل التعلم الآلي ورؤية الكمبيوتر والتحليلات التنبؤية شعبية هائلة في تطبيقات الزراعة. أدى استخدام المعدات المدعومة بالذكاء الاصطناعي والمعتمدة على تقنية الرؤية الحاسوبية إلى زيادة إنتاج المحاصيل بنحو 30%، مما أتاح التنبؤ بإنتاج المحاصيل الأسبوعية والموسمية بدقة تزيد عن 90%.

تشمل العوامل الأساسية التي تساعد على نمو الذكاء الاصطناعي في سوق الزراعة في منطقة آسيا والمحيط الهادئ الممارسة المتسارعة للزراعة الدقيقة لتوسيع إنتاجية المحاصيل، وطرق تحليل الطائرات بدون طيار، والاعتماد المتزايد للروبوتات الزراعية في الزراعة. يتبنى المزارعون في دول مثل أستراليا والصين واليابان والهند بشكل متزايد التعلم الآلي، والتعلم العميق، والرؤية الحاسوبية، وتقنيات التحليلات التنبؤية.

7ـ تحديات الذكاء الاصطناعي في الزراعة

بما أن الذكاء الاصطناعي يوفر عددا كبيرا من الفرص في مجال الزراعة، فلا يزال هناك الكثير من القيود. 30٪ فقط من العالم على دراية بجميع حلول التعلم الآلي عالي التقنية والتعلم العميق والحلول القائمة على الذكاء الاصطناعي. السبب وراء تخلف بقية دول العالم هو البنية التحتية لتكنولوجيا المعلومات المتخلفة. التحدي الآخر هو تدريب الآلات التي تحتوي على الكثير من البيانات حتى تتمكن من إجراء تنبؤات دقيقة.

نظرا لأن الزراعة تتعرض للعديد من العوامل الخارجية مثل ظروف الطقس والتربة، فإن ما يبدو استراتيجية جيدة قد لا يكون الحل الأمثل عندما تتغير الظروف الخارجية. يمكن جمع البيانات المكانية بسهولة ولكن من الصعب جمع البيانات الزمنية، حيث لا يمكن جمع هذه البيانات إلا مرة واحدة في السنة أثناء نمو المحاصيل. هناك عوائق أخرى في الأساس في تطوير هذه الحلول. حيث أن معظم الأنظمة تفتقر إلى الدقة أو وقت الاستجابة.

لتحسين أنظمة التعامل مع البيانات الضخمة وتقييمها، يجب تحديد طرق التدريب والصيانة بشكل صحيح للتأكد من الدقة والسرعة. لا يزال استخدام الروبوتات وغيرها من الأجهزة المستقلة في مرحلة الطفولة في الزراعة. علاوة على ذلك، لا تزال بعض أنشطة الروبوتات في مرحلة النموذج الأولي. ولا تزال التقنيات الجديدة في هذا المجال بحاجة إلى الاستثمار والوقت لتصبح أفضل من أداء التقنيات المستخدمة اليوم.

8ـ فوائد الذكاء الاصطناعي في الزراعة

 يمكن للمزارعين اتخاذ خيارات أفضل وإجراء زراعة أكثر فعالية بمساعدة تقنيات الذكاء الاصطناعي الصديقة للبيئة. بالإضافة إلى ذلك، فهو يُمكن المزارعين من تحديد المناطق الدقيقة التي تتطلب استخدام المبيدات الحشرية والتسميد والري، مما يساعدهم على تجنب الإفراط في استخدام الموارد والمواد الكيميائية في محاصيلهم.

يساعد الذكاء الاصطناعي المزارعين في التغلب على التحديات الزراعية الرئيسية مثل تحليل الطلب في السوق، والتنبؤ بالأسعار، وتحديد الفترات المثلى لزراعة المحاصيل وحصادها بناءً على التنبؤ بالطقس.

تتيح الآلات الزراعية المزودة بقدرات الذكاء الاصطناعي للمنتجين إنتاج المزيد من المحاصيل بجهد وتكلفة أقل. بفضل الذكاء الاصطناعي والأتمتة، يمكن للمزارع إكمال المهام دون توظيف المزيد من العمال. وتشمل بعض الأمثلة الجرارات ذاتية القيادة، وأنظمة الري والتسميد الذكية، والرش الذكي، وبرامج الزراعة العمودية، وروبوتات الحصاد القائمة على الذكاء الاصطناعي.

إن استخدام التقنيات المتقدمة القائمة على الذكاء الاصطناعي له فوائد أخرى على سلسلة توريد الأغذية الزراعية، مثل خفض تكاليف تدريب الموظفين، وتقليل الوقت اللازم لحل المشكلات، وتقليل كمية الأخطاء البشرية، وتقليل التدخل البشري، وتوفير سلع آلية. اتخاذ قرارات دقيقة وقوية في الوقت المناسب وبتكلفة منخفضة.

9ـ مستقبل الذكاء الاصطناعي في الزراعة

تم استخدام الذكاء الاصطناعي بنجاح في الزراعة، وكان له نتائج إيجابية. قد تؤدي التطورات المستقبلية إلى توسيع نطاق تطبيق الذكاء الاصطناعي في الزراعة. من المتوقع أن يتضاعف سوق التقنيات والأنظمة الزراعية، بما في ذلك الذكاء الاصطناعي والتعلم الآلي، ثلاث مرات بحلول عام 2025 ويصل إلى 15,3 مليار دولار.

لمعالجة القضايا الزراعية وضمان محاصيل أكبر، يعد تطبيق الذكاء الاصطناعي في الزراعة أمرا ضروريا. ويعتمد المزارعون في زراعتهم على البيئة والطقس. ومن خلال تحليل البيانات التي تم جمعها مسبقا واقتراح الوقت المثالي لزراعة البذور، وتحديد خيارات المحاصيل، واختيار البذور الهجينة لزيادة الإنتاجية، يعمل الذكاء الاصطناعي والتعلم الآلي كمحللين تنبؤيين. لزيادة الإنتاجية.

يتلقى المزارعون الذين يستخدمون التطبيق إشعارات بشأن أفضل البذور التي يمكن زراعتها. ومن المتوقع أن تستفيد زيادة الإنتاج بنسبة 30% من النصائح المستندة إلى الذكاء الاصطناعي. ويشكل فقدان المحاصيل الناجم عن الكوارث الطبيعية، وخاصة غزو الآفات، التحدي الأكبر الذي يواجه الزراعة.

يعد Microsoft مشروعا لتطوير واجهة برمجة التطبيقات للتنبؤ بمخاطر الآفات التي تستخدم الذكاء الاصطناعي والتعلم الآلي للتنبؤ باحتمالية هجوم الآفات مسبقا. يمكن تجهيز الروبوتات بأجهزة استشعار مدعومة بالذكاء الاصطناعي لجمع الفواكه والمحاصيل بسرعة. يمكن للآلات اتخاذ القرارات على مستوى مماثل للأدمغة البشرية. تعتمد هذه الاختيارات على كمية هائلة من البيانات وهي أكثر دقة من تلك التي يتخذها الدماغ البشري.

تعد التغيرات في أسعار المحاصيل من بين المخاوف الرئيسية للمزارعين. بمساعدة تقنيات مثل البيانات الضخمة والذكاء الاصطناعي والتعلم الآلي، من الممكن تحديد الآفات والكوارث الطبيعية، وتقدير إنتاج المحاصيل، والتنبؤ بالأسعار. ويمكن استخدام هذه المعلومات لتقديم المشورة للمزارعين والحكومة بشأن أنماط الأسعار المستقبلية، ومستوى الطلب، وأفضل نوع من المحاصيل للزراعة لجني أكبر المكافآت.

سيستغرق النبات وقتا طويلا لإنتاج محصول. ويمكن تقدير العائد الذي سيكون متاحا للبيع في المستقبل باستخدام هذه الطريقة. يمكن تحسين المزرعة حتى أدق التفاصيل باستخدام الذكاء الاصطناعي، والذي يمكنه أيضا اتخاذ خيارات حكيمة وإكمال المهام الصعبة والطويلة بسرعة. إنها أداة أساسية لتحويل الزراعة التقليدية إلى زراعة آلية مستدامة.

يمكن للذكاء الاصطناعي (AI) في الزراعة تعزيز الممارسات الزراعية المستدامة، وزيادة الربحية، والحد من الآثار البيئية. ومع ذلك، هناك حاجة إلى تقييم دقيق لهذه التكنولوجيا لضمان فوائدها لأصحاب الحيازات الصغيرة. ومن منظور الإدارة، هناك حاجة إلى ترتيبات مناسبة لتحسين استدامة نظم الأغذية والزراعة.

يمكن لعدسة الحوكمة القائمة على العدالة أن تضمن إمكانية الوصول إلى البيانات التي يتم الحصول عليها ومعالجتها بواسطة نماذج الذكاء الاصطناعي واستخدامها من قبل المزارعين أصحاب الحيازات الصغيرة دون إعادة إنتاج عدم المساواة والتبعيات الاجتماعية. إن تحليل إمكانات نماذج الذكاء الاصطناعي والبيانات التي تستخدمها من خلال عدسة قائمة على العدالة يمكن أن يساعد في توجيه تطوير التكنولوجيا نحو الاستدامة.

10ـ السياسة الزراعية مع الذكاء الاصطناعي

يتعين على الحكومات أو الشراكات بين القطاعين العام والخاص تكييف لوائح خصوصية البيانات وملكيتها مع المشهد الزراعي، مع الحفاظ على تفضيلات البيانات لأصحاب الحيازات الصغيرة. وفي الوقت نفسه، يجب أن تكون معايير الشفافية الطوعية أو المنظمة للنماذج المستخدمة في الذكاء الاصطناعي متاحة للجمهور وسهلة الفهم للمستخدمين المحتملين. وحتى لو قامت العديد من شركات التكنولوجيا بوضع مبادئ توجيهية أخلاقية استباقية في منتجاتها، فإن الرقابة ستكون ضرورية لضمان موافقة أصحاب الحيازات الصغيرة على افتراضاتها وأهدافها.

فيما يتعلق بتنظيم السوق، فإن السيطرة على قوة احتكارات القلة ومطوري الذكاء الاصطناعي يجب أن تكون ذات أهمية قصوى. إن تعزيز الأسواق التنافسية سيحد من قوة الموردين ومطوري التكنولوجيا. ويمكن تحقيق ذلك من خلال زيادة الاستثمار في التمويل العام للبحث والتطوير في هذه الصناعة.

سيسمح التمويل أيضًا بإنشاء قدرات محلية للتحكم في تقنيات الذكاء الاصطناعي وتوجيهها. ويجب أن تتكامل هذه السيطرة مع المعرفة المحلية بالزراعة لضمان التعامل بشكل عادل مع ثقافة أصحاب الحيازات الصغيرة وتقاليدهم وممارساتهم وأهدافهم من قبل أولئك الذين يتمتعون بسلطة أكبر في هذا المجال.

ينبغي أن تكون مشاركة المستخدمين وإشراكهم في تكييف التكنولوجيا مع احتياجاتهم وأهدافهم ضرورة أساسية للحكم الذي يعزز العدالة. فإن كل بُعد تقريبا من أبعاد النهج القائم على العدالة لحوكمة تقنيات الذكاء الاصطناعي يتطلب مشاركة نشطة من المستخدمين.

في هذا المجال، يمكن تعزيز المشاركة من خلال تعزيز الخدمات الإرشادية للمساعدة في تثقيف صغار المزارعين حول التكنولوجيات التي تعمل بشكل أفضل في عملياتهم. ويتعلق ذلك على وجه التحديد باستخدام الاستشعار عن بعد في البيئات الزراعية، وتسهيل الوصول إلى البيانات القمر الصناعى، مع إيلاء اهتمام خاص للعواقب غير المقصودة، عن إساءة استخدام التكنولوجيات الجديدة.

خاتمة

من المتوقع أن يصل عدد سكان العالم إلى أكثر من تسعة مليارات نسمة بحلول عام 2050، وهو ما يتوقع أيضا زيادة بنسبة 70٪ في الإنتاج الزراعي لتلبية الطلب المتزايد. لذا فإن كل هذا لا يمكن تحقيقه إلا من خلال تكثيف الإنتاج الحالي. ولهذا السبب، يعد استخدام أحدث الحلول التقنية لجعل الزراعة أكثر كفاءة أمرا ضروريا للغاية. هناك الكثير من التطبيقات والتقنيات الحالية والمطورة مثل المركبات ذاتية القيادة وتطبيقات الهاتف المحمول وغيرها من الأدوات التنبؤية لتسهيل الأنشطة الزراعية.

لكن على نطاق واسع، لا تزال الأبحاث واسعة النطاق في طور التقدم بينما تتوفر بعض التطبيقات بالفعل. ولكن إذا تحدثنا عن معالجة المشاكل الواقعية من خلال اتخاذ القرارات المستقلة والحلول التنبؤية، فإن الزراعة لا تزال في مرحلة الطفولة. يجب أن تكون التطبيقات أكثر قوة وقوة حتى تتمكن من التعامل مع التغيرات المتكررة في الظروف الخارجية، ويمكنها اتخاذ القرارات في الوقت الفعلي، ويمكنها جمع البيانات بطريقة فعالة.

وأخيرا، من المهم جعل هذه الحلول ميسورة التكلفة حتى يتمكن عدد كبير من المزارعين من الاستفادة منها. حيث سيؤدي ذلك إلى زيادة اعتماد هذه الحلول المعرفية بين المزارعين وزيادة الإنتاج.

مستقبل الزراعة في الأوقات القادمة يعتمد إلى حد كبير على التكيف مع الحلول المعرفية. على الرغم من أن الأبحاث واسعة النطاق لا تزال جارية وأن العديد من التطبيقات متاحة بالفعل، إلا أن الصناعة الزراعية لا تزال لا تتمتع بخدمة كافية، ولا تزال تعاني من نقص الخدمات.

على الرغم من أن الأمر يتعلق بالتعامل مع التحديات والمطالب الواقعية التي يواجهها المزارعون، باستخدام أنظمة صنع القرار التي يعتمدها الذكاء الاصطناعي والحلول التنبؤية في حلها، فإن الزراعة باستخدام الذكاء الاصطناعي لا تزال في مرحلة ناشئة فقط.

لاستغلال النطاق الهائل للذكاء الاصطناعي في الزراعة، يجب أن تكون التطبيقات أكثر قوة. وعندئذ فقط سيكون في وضع يسمح له بالتعامل مع التحولات والتغيرات المتكررة في الظروف الخارجية. وهذا من شأنه أن يسهل اتخاذ القرار في الوقت الفعلي واستخدام النموذج/البرنامج المناسب بشكل تسلسلي لجمع البيانات السياقية بكفاءة.

الجانب الحاسم الآخر هو التكلفة الباهظة للحلول المعرفية المختلفة للزراعة المتوفرة بسهولة في السوق. يجب أن تصبح حلول الذكاء الاصطناعي أكثر قابلية للتطبيق لضمان وصول هذه التكنولوجيا إلى المجتمع الزراعي. إذا تم تقديم الحلول المعرفية للذكاء الاصطناعي في منصة مفتوحة المصدر، فإن ذلك من شأنه أن يجعل الحلول ميسورة التكلفة، مما سيؤدي في النهاية إلى اعتماد أسرع ورؤية أكبر بين المزارعين.

المراجع

 Agro-Pages (2020). Artificial Intelligence in Agriculture in India. Retrieved from http://news.agropages.com/News/NewsDetail—33761.htm

• Ashwin, A. (2019). Wadhwani ‘s Artificial Intelligence. Retrieved from https ://www. voi cendata. com/w adhw anis-arti tici alintelli gence-based-pest-management-solution-saves-cottonfrom-pink-bollworm-in festation /
• Bagchi, A (2018), Artificial Intelligence in Agriculture. Retrieved from- https://www.mindtree.com / si tes/default / tiles/ 2 0l 8-04!Arti ticial % 20Intelligence %20in% 20Agriculture.pdf
• Bannerjee, G. & Ghosh, I. (2018) Artificial intelligence in agriculture: A literature survey. Vol.7, no.3, pp. 2319-1953.
• Eli- Chukwu, N. C. (2019, April) Applications in Artificial Intelligence in Agriculture: A Review. Vol. 9, no. 4, pp. 4377-4383.
• Harwood, Trevor (2019, July 17) . Agriculture robots. Retrieved from- https://www.postscapes.com / agriculture-robots /
• Kumar, A. and Vats, V (2018, June) . Efficient crop yield prediction using machine learning algorithms. Vol. 05 no. 06, pp.2395-0072 .
• Popa, C (2011) . Adoption of Artificial intelligence in Agriculture. Vol. 68 , no. 1, pp. 1843-5386.
• Rich and Kevin Knight. Artificial intelligence. New Delhi: McGraw-Hill, 1991.
• Sellam, V and Poovammal, E. (2016) . Prediction of crop yield using regression.