მეცნიერები და აგროტექნოლოგიური კომპანიები, ხელოვნურ ინტელექტს მცენარის ფარული პრობლემების აღმოჩენას ასწავლიან. თუ ტექნოლოგია ფართოდ გავრცელდება, ფერმერებს დაავადებებთან ბრძოლა რეაგირების ნაცვლად პრევენციის რეჟიმში შეეძლებათ.
ვაშლის ბაღში დაავადებასთან ბრძოლა ხშირად დროსთან შეჯიბრს ჰგავს. როდესაც ფოთლებზე პირველი ლაქები ჩნდება ან ხის ზრდა ნელდება, ინფექცია უკვე განვითარებულია და მისი გავრცელების შეჩერება გაცილებით რთული ხდება. სწორედ ამ პრობლემის გადასაჭრელად მუშაობენ მეცნიერები და აგროტექნოლოგიური კომპანიები, რომლებიც ხელოვნურ ინტელექტს ასწავლიან დაავადების აღმოჩენას მანამ, სანამ მცენარე თვალისთვის ხილულ სიმპტომებს გამოავლენს.
დღეს სოფლის მეურნეობაში ერთ-ერთი ყველაზე სწრაფად განვითარებადი მიმართულება ჰიპერსპექტრული გამოსახულებებისა და AI-ის გაერთიანებაა. განსხვავებით ჩვეულებრივი კამერისგან, რომელიც მხოლოდ ადამიანისთვის ხილულ ფერებს აფიქსირებს, ჰიპერსპექტრულ კამერას შეუძლია მცენარის ფოთლებში ისეთი ცვლილებების დანახვა, რომლებიც ადამიანის თვალისთვის ჯერ შეუმჩნეველია. ეს ცვლილებები დაკავშირებულია ქლოროფილის შემცველობასთან, წყლის ბალანსთან, უჯრედების სტრუქტურასა და მცენარის ფიზიოლოგიურ სტრესთან.
მიღებულ მონაცემებს ხელოვნური ინტელექტი ამუშავებს. ალგორითმი სწავლობს ათასობით ჯანმრთელი და დაავადებული მცენარის მაგალითს, შემდეგ კი ცდილობს აღმოაჩინოს ისეთი ნიშნები, რომლებიც ინფექციის ადრეულ სტადიაზე მიუთითებს. პრაქტიკაში ეს ნიშნავს, რომ სისტემა პრობლემას ხშირად უფრო ადრე ხედავს, ვიდრე აგრონომი ან ფერმერი.
ევროპაში ჩატარებულმა ერთ-ერთმა კვლევამ, რომელიც ვაშლის პროლიფერაციის დაავადებას ეხებოდა, აჩვენა, რომ მანქანური სწავლების მოდელებმა კონტროლირებულ პირობებში დაახლოებით 97%-იანი სიზუსტით შეძლეს დაავადებული მცენარეების იდენტიფიცირება. მკვლევართა შეფასებით, ტექნოლოგიას შეუძლია არა მხოლოდ უკვე დაზიანებული, არამედ ისეთი ხეების აღმოჩენაც, რომლებშიც ინფექცია ჯერ ვიზუალურად არ ჩანს.
კიდევ უფრო საინტერესოა ფართო მასშტაბის სამეცნიერო მიმოხილვა, რომელმაც მცენარეთა დაავადებების ადრეული გამოვლენის ათეულობით კვლევა გააანალიზა. შედეგებმა აჩვენა, რომ ჰიპერსპექტრული გამოსახულებებისა და AI-ის კომბინაცია საშუალოდ 86-91%-იან სიზუსტეს აღწევს, მაშინაც კი, როდესაც დაავადების ხილული ნიშნები ჯერ არ არსებობს.
ზოგიერთ შემთხვევაში ტექნოლოგიას ინფექციის აღმოჩენა რამდენიმე დღით ადრე შეუძლია. მაგალითად, ვაშლის ნაყოფზე სოკოვანი დაავადებების კვლევისას მეცნიერებმა დაადგინეს, რომ ოპტიკური სენსორები და ჰიპერსპექტრული ანალიზი დაავადებულ უბნებს ვიზუალური სიმპტომების გამოჩენამდე 2-3 დღით ადრე აფიქსირებდნენ. ჩვეულებრივი დათვალიერებით კი პრობლემის დანახვა მხოლოდ 4-5 დღის შემდეგ ხდებოდა.
მომავალი სცენარი საკმაოდ რეალისტურად გამოიყურება: დრონი რეგულარულად გადაუფრენს ვაშლის ბაღს, გადაიღებს მრავალსპექტრულ სურათებს, ხელოვნური ინტელექტი კი რამდენიმე წუთში შექმნის რუკას, სადაც კონკრეტული ხეები ან რიგები მაღალი რისკის ზონებად იქნება მონიშნული. შედეგად, ფერმერს აღარ დასჭირდება მთელი ბაღის ერთნაირად შეწამვლა — ჩარევა მხოლოდ იმ ადგილებში მოხდება, სადაც პრობლემა რეალურად არსებობს.
ასეთი მიდგომა მხოლოდ მოსავლის დაცვას არ ემსახურება. დაავადების ადრეული აღმოჩენა ამცირებს ფუნგიციდების მოხმარებას, ზოგავს დროსა და საწარმოო ხარჯებს და ამავდროულად გარემოზე ზეწოლასაც ამცირებს. სწორედ ამიტომ მიიჩნევენ ბევრი სპეციალისტი, რომ მომდევნო წლებში ხელოვნური ინტელექტი ვაშლის ბაღებში ისეთივე ჩვეულებრივი ინსტრუმენტი გახდება, როგორიც დღეს მეტეოსადგური ან სარწყავი სისტემა.
დღეს ეს ტექნოლოგიები ჯერ კიდევ განვითარების ეტაპზეა, თუმცა ტენდენცია უკვე აშკარაა: ფერმერები თანდათან გადადიან იმ მოდელზე, სადაც დაავადებას მისი გამოჩენის შემდეგ კი არ ებრძვიან, არამედ მანამდე პოულობენ, სანამ ზიანი მიადგება მოსავალს.
