Digitální revoluce v zemědělství má potenciál jak pro podnikání, tak pro naši planetu. Cílem je pochopitelně produkovat více potravin za méně vynaložených prostředků, jak se lidově říká – za málo peněz hodně muziky!
Konkrétně pak jde o šetření agrochemikálií, menší využití těžkých strojů, snížení spotřeby vody a z toho plynoucí zjevnou časovou úsporu pro zemědělce. Podle britského BBC udělaly v počátcích digitální transformace zemědělství „díru do světa“ zejména tři technologie. Senzorová technologie, kterou vývoj posunul na level, kdy může být neuvěřitelně malá a hlavně – levná. Za druhé, komunikační technologie, potřebné k přenosu dat mezi polem a výpočetním cloudem. A za třetí, technologie pro zpracování obrovského množství informací pomocí umělé inteligence (AI) a strojového učení.
„Farmáři pomohou technologie zjistit, že se ve stádě nebo v sadu děje něco, co vyžaduje pozornost,“ tvrdí Susan McCouchová, ředitelka Cornellova institutu pro digitální zemědělství.
Další potenciál
McCouchová předpovídá, že senzory v zavlažovacích systémech by mohly být v budoucnu navrženy tak, aby přijímaly signály vysílané ze satelitů a mohly rozhodovat o tom, zda plodiny zavlažit. Pochopitelně pouze v případě, že je země suchá a nepředpokládá se žádný déšť.
„To je způsob, jakým propojíte internet věcí s internetem živých věcí, a to vyžaduje obrovské schopnosti interpretace dat,“ doplňuje. „Například v současné době pracujeme s dojnicemi a umisťujeme nanosenzory do bachoru krávy, aby farmář a veterinář mohli identifikovat, která zvířata mají problémy dříve, než se projeví příznaky.“
Až dosud většina inovací v tomto odvětví spadala pod to, co se běžně nazývá „přesné zemědělství“, kde příchod GPS a pokrok v zemědělských strojích umožnil farmářům přesnější setí, ošetření a sklizeň plodin. Svého využití se technologie dočkala hlavně u velkorozměrových projektů na orných polích, konkrétně pak na plodinách, jako je pšenice, sója a řepka olejná.
Technologie byla nyní doplněna o satelitní snímky a snímky z dronů. Monitoruje se tak množství plevelu, analýzyje půda, povětrnostní podmínky a historické údaje o výnosu plodin z konkrétních polí. Tyto informace se přivádějí do „data crunching“ systémů, které využívají AI a strojové učení jako rozhodovací nástroj pro farmářské práce.
