Ruolo dell’intelligenza artificiale nella protezione delle piante


Protezione delle colture

L’Organizzazione delle Nazioni Unite per l’alimentazione e l’agricoltura (FAO) ha riferito che la fiorente popolazione mondiale sarà di circa due miliardi entro il 2050, mentre solo il 4% di terra in più sarà coltivata per allora. È un compito difficile per la comunità agricola nutrire la popolazione mondiale in costante aumento tra debiti agricoli in aumento, modelli meteorologici imprevedibili e stress biotico.

I parassiti e le malattie degli insetti sono uno dei motivi principali per la diminuzione della produttività delle aziende agricole, causando dal 20 al 40% di perdite globali di raccolto ogni anno.

In assenza di conoscenza e competenza, gli agricoltori sono eccessivamente dipendenti dai commercianti di pesticidi per il sostegno all’identificazione dei parassiti e alla loro gestione, il che si traduce in un uso eccessivo e sconsiderato dei pesticidi per il controllo dei parassiti. La principale preoccupazione degli agricoltori per il processo decisionale nella gestione dei parassiti è “l’identificazione dei parassiti e la tempestiva disponibilità di informazioni corrette sulla gestione dei parassiti”. Per rilevare i parassiti delle piante in una fase precoce e risparmiare il consumo indesiderato di pesticidi, in agricoltura sono necessarie soluzioni tecniche avanzate che si tradurranno in un risparmio di colture per un valore di centinaia di rupie o nella mancata applicazione dell’intervento, risparmiando il costo dell’intervento coinvolto e quindi salvando l’ambiente . Il nucleo del quadro di gestione dei parassiti è il processo decisionale. Il processo decisionale nella gestione dei parassiti è un processo dinamico e complesso che richiede molte più conoscenze e supporto rispetto all’agricoltura convenzionale.

L’identificazione dei parassiti e la disponibilità di informazioni corrette sulla gestione sono gli aspetti vitali del processo decisionale nella gestione dei parassiti. Negli ultimi anni sono stati utilizzati metodi di osservazione oculistica/fisica, ma non sono efficienti. Il futuro dell’agricoltura dipende in gran parte dall’adozione di soluzioni cognitive. Quindi l’intelligenza artificiale (AI) svolge un ruolo importante che può aiutare notevolmente nella gestione efficiente e di successo dei parassiti delle colture.

L’intelligenza artificiale (AI) e il suo ruolo in agricoltura

L’intelligenza artificiale (AI) è una branca dell’informatica che si occupa della simulazione dei processi di intelligenza umana da parte di sistemi informatici. L’intelligenza artificiale sta diventando pervasiva molto rapidamente grazie alla sua solida applicabilità per risolvere diversi problemi che non possono essere risolti dall’informatica tradizionale e dagli sforzi umani. L’IA possiede la capacità di imparare dai dati e quindi di identificare i modelli nei dati in modo più efficiente rispetto agli esseri umani, consentendo ai ricercatori di ottenere maggiori informazioni dai loro dati. L’intelligenza artificiale è nella sua fase nascente e giocherà un ruolo enorme nello scenario agricolo futuristico del mondo con le seguenti misure,

  • Monitoraggio in tempo reale delle colture e del suolo.

  • Previsione della resa delle colture e previsione dei prezzi.

  • Identificazione dei parassiti e irrorazione tempestiva.

  • Rendere saggia l’allocazione delle risorse.

  • Migliorare la sostenibilità alimentare e ambientale

  • Analizzare la domanda del mercato e gestire il rischio

  • Protezione, alimentazione e raccolta delle colture.

Ruolo dell’Intelligenza Artificiale nella gestione dei parassiti

La protezione delle piante è un aspetto estremamente importante dell’agricoltura per aumentare la produzione agricola e quindi la sicurezza alimentare. Le misure fitosanitarie devono essere adottate su base comunitaria in modo da garantire una gestione efficace dei parassiti e quindi sono state recentemente introdotte tecniche di Intelligenza Artificiale (AI) per il controllo di precisione degli insetti nocivi delle piante. Esistono diversi modi di utilizzare l’IA nella gestione dei parassiti, che sono descritti di seguito.

Metodo semplice per lo scouting dei campi: L’IA può aiutare gli esploratori a fornire descrizioni accurate dei parassiti e la loro posizione esatta nei campi.

Affrontare le sfide nella diagnosi dei parassiti: La corretta identificazione del parassita specifico sul campo è importante per la sua gestione di successo. Un altro aspetto importante della gestione dei parassiti è il monitoraggio regolare dei parassiti, che aiuta a determinare il livello di incidenza e la tempistica per avviare l’intervento di gestione dei parassiti.

Prevedere i problemi dei parassiti in anticipo: L’applicazione delle tecniche di intelligenza artificiale può aiutare ad automatizzare e accelerare il processo per fornire un supporto decisionale tempestivo e corretto agli agricoltori su aspetti importanti della gestione dei parassiti come l’identificazione, il monitoraggio dei parassiti e la selezione di una strategia di gestione dei parassiti appropriata

Monitoraggio e sorveglianza dei parassiti su larga scala:Vengono utilizzati droni che funzionano secondo i principi dell’intelligenza artificialemonitoraggio dei parassiti, sorveglianza.

Gestione dei parassiti: Spruzzatura di pesticidi da parte di droni basati sull’intelligenza artificiale per controllare efficacemente i parassiti su un’area più ampia garantendo una copertura completa del raccolto.

Tecniche di IA per la protezione delle colture

1. Apprendimento automatico

L’apprendimento automatico riguarda algoritmi che possono apprendere da soli da una data raccolta di dati di input per raggiungere un obiettivo specifico. Il suo computer ad alte prestazioni apre nuove possibilità in agricoltura. Nel settore agricolo, l’apprendimento automatico e il riconoscimento di modelli statistici hanno suscitato molta attenzione perché promettono di migliorare la sensibilità del rilevamento e della diagnosi delle malattie. Le soluzioni abilitate all’apprendimento automatico offrono agli agricoltori una vasta gamma di consigli e approfondimenti per aiutare nel processo decisionale e nell’azione. Esempio: classificazione di foglie, frutti, piante, ecc. malati o non dispersi.

2. Rete neurale artificiale (ANN)

Le RNA sono uno dei modi più affidabili per identificare le malattie delle piante tra i diversi approcci impiegati (ANN). Per migliorare l’estrazione delle caratteristiche, le reti neurali sono integrate con vari algoritmi di pre-elaborazione delle immagini. L’ANN si basa sui neuroni biologici del sistema nervoso umano. ANN, d’altra parte, può dedurre il significato da dati complessi e scoprire schemi troppo difficili da rilevare per le persone o per i computer tradizionali. Altri vantaggi delle RNA includono l’apprendimento adattivo, l’auto-organizzazione, le operazioni in tempo reale e così via.

3. Tecniche di elaborazione delle immagini

Per un rilevamento e una classificazione efficaci della pianta, le tecniche di elaborazione delle immagini sono state ampiamente e con successo applicate. Per classificare i dati viene utilizzata una tassonomia bidimensionale. Il riconoscimento degli oggetti, la riduzione dei dati/l’estrazione di funzionalità, la pre-elaborazione, la segmentazione, l’ottimizzazione e l’interpretazione delle immagini fanno tutti parte di un’unica dimensione. In una dimensione distinta, gli input vengono ricevuti e le attività vengono eseguite a vari livelli, come il livello di pixel, il livello di set di oggetti e così via. Per aumentare l’efficienza della diagnosi della malattia, vengono utilizzate diverse tecniche di pre-elaborazione come il ritaglio dell’immagine, l’attenuazione dell’immagine e il miglioramento dell’immagine. La segmentazione dell’immagine può essere realizzata utilizzando una varietà di tecniche, tra cui il metodo Otsu, il clustering di k-mean e la trasformazione di immagini RGB in modelli HIS. Sono stati utilizzati il ​​filtraggio di Fourier, il rilevamento dei bordi e altre tecniche di pre-elaborazione delle immagini.

Esempio: identificazione di malattie e infestanti basata su immagini.

4. Supporta la macchina vettoriale (SVM)

Un sistema di apprendimento supervisionato chiamato macchina vettore di supporto viene utilizzato per risolvere problemi di classificazione e regressione. L’iperpiano viene utilizzato per distinguere le classi in SVM. Nello spazio N-dimensionale, un iperpiano è paragonabile a una linea nello spazio bidimensionale. Questo iperpiano è una linea nello spazio bidimensionale che divide un piano in due metà, con ogni classe su entrambi i lati. Il metodo SVM utilizza i dati di addestramento etichettati per trovare l’iperpiano ottimale per classificare i campioni freschi. Di conseguenza, l’hyperplane viene trovato da SVM per classificare i punti dati individualmente. Anche la Support Vector Machine (SVM) si è rivelata molto promettente per classificare accuratamente le malattie delle foglie.

Internet delle cose (IoT): l’Internet delle cose, o IoT, è un sistema di dispositivi informatici interconnessi, macchine meccaniche e digitali, oggetti, animali o persone a cui sono forniti identificatori univoci e la capacità di trasferire dati su una rete senza richiedere interazione uomo-uomo o uomo-computer. I sensori e la robotica fanno parte dell’IoT. Esempio: la robotica (droni) aiuta a riprendere la vista o il rilevamento dell’infestazione del campo in un breve lasso di tempo senza alimentazione manuale.

Conclusione e sfide future

La prospettiva principale dell’utilizzo dell’intelligenza artificiale è il monitoraggio dei parassiti, l’identificazione e la tempestiva raccomandazione di misure di protezione delle piante. È l’ultimo modo in cui gli agricoltori possono adottare una nuova tecnologia per soddisfare la domanda alimentare globale gestendo i parassiti degli insetti attraverso tecniche di intelligenza artificiale e quindi contribuire all’aumento della sicurezza alimentare. Molte app mobili basate sull’intelligenza artificiale sono state sviluppate da diversi istituti di ricerca ICAR per diverse colture per identificare e gestire in modo efficiente l’insetto nocivo delle colture. Sebbene l’uso dell’IA sia promettente, ci sono sfide quando si tratta di protezione delle piante. Lo sviluppo di algoritmi di intelligenza artificiale innovativi e la non disponibilità o disponibilità limitata di dati per l’apprendimento dei dati sono due sfide principali nel processo di sviluppo di strumenti e tecniche di protezione delle piante basati sull’intelligenza artificiale. La previsione dei parassiti è ancora complessa e sfuggente. Il processo di protezione delle piante in agricoltura sta lentamente diventando digitale e l’IA mostra un potenziale promettente.

Dettagli dell’autore

Niranjan Singh1MK Khokhar1Licon Kumar Acharya1 TK Mondal2 e Shbana Begam2

1 ICAR-Centro nazionale per la gestione integrata dei parassiti, Nuova Delhi

2ICAR-Istituto Nazionale di Biotecnologie Vegetali, Nuova Delhi

Leave a Comment

Your email address will not be published.