Бразильські науковці натренували штучний інтелект аналізувати супутникові знімки, на яких видно зони, де ефективно поєднуються рослинництво та скотарство. Остання концепція вважається революційною і потенційно може забезпечити стабільний розвиток агропромисловості. Але вчені хочуть знати, наскільки ця ідея справді ефективна.
Комплексна система сільськогосподарської діяльності
Бразильські вчені опублікували цікаву роботу в галузі супутникового агромоніторингу. Апарати на орбіті вже достатньо давно використовуються для того, аби оцінювати стан сільськогосподарських угідь. Однак у новому дослідженні їх використали для спостереження за тими територіями, на яких реалізується система інтеграції рослинництва та тваринництва.
Система інтеграції рослинництва та тваринництва (CLI) — це нова перспективна технологія, яка здатна змінити сільське господарство, хоча насправді ідеї, що лежать в її основі, надзвичайно давні. Вони полягають у складному чергуванні вирощування агрокультур із розведенням худоби, переважно корів та свиней.
Річ у тім, що вирощування сої, кукурудзи та інших подібних культур, за умови високих врожаїв, значно прибутковіше за тваринництво. Однак цей врожай насправді вкрай нестабільний, зокрема і через самі рослини, які сильно виснажують землю.
З іншого боку, тваринництво все одно потребує усього переліченого. До того ж заміна засіювання на один сезон випасанням худоби сприяє рекультивації земель. Для усього цього придумані складні сучасні математичні моделі, й на експериментальних ділянках вони себе добре показали.
Штучний інтелект та комп’ютерні знімки
Проте треба ще зрозуміти, як нова технологія показує себе при масовому використанні й у різних умовах. Агропромисловців, які пробують її з кожним роком, стає все більше, і спостерігати за їхніми результатами на Землі практично неможливо.
І саме тут залучають супутники. Для того, аби відстежувати стан полів, їх використовують вже не один рік. Проблема лише в тому, щоб серед великої кількості зображень знайти саме ті ділянки, які використовуються за програмою інтеграції рослинництва та тваринництва.
Вручну це зробити було б неможливо, але є рішення — нейромережі. Тож бразильським вченим залишалося лише навчити штучний інтелект на готових розшифрованих знімках. Зрештою, він навчився не тільки відрізняти необхідні ділянки, а й оцінювати їхній стан.
Місцем дослідження були території у штатах Сан-Паулу і Мату-Гросу. Об’єктний аналіз зображень проводився з інтервалами в 10 і 15 днів у чотири етапи: отримання даних CLI через Planetscope, групу супутників, які фіксують зображення поверхні Землі з високою роздільною здатністю, показуючи зміни в областях із часом; навчання алгоритмів для розпізнавання шаблонів, пов’язаних із CLI; відображення областей CLI; оцінка точності моделі шляхом порівняння автоматичних результатів із попередніми даними.
