Исследовательская группа X, the Moonshot Factory из компании Alphabet работает над решением глобальных проблем с помощью технологических инноваций. В своем последнем проекте команда рассмотрела концепцию устойчивого сельского хозяйства, и какие технологии могут помочь в ее реализации.
Проект, получивший название Mineral, направлен на использование передового программного и аппаратного обеспечения, позволяющего производителям выращивать более разнообразные культуры. В этом фермерам поможет специально разработанный багги для осмотра растений, который будет выполнять всю тяжелую работу.
Устойчивое сельское хозяйство — это ведение хозяйства с использованием максимального ресурсного потенциала земель, но при этом поддерживается экологическая безопасность и постоянное возобновление плодородия экосистемы.
Проект Mineral нацелен на улучшение сельскохозяйственных угодий для выращивания риса, пшеницы и кукурузы. Это наиболее распространенные виды сельского хозяйства в США, которые также более восприимчивым к вредителям, болезням и изменению климата, что ухудшает качество почвы и разнообразие ее микробиома.
Команда работает над так называемым вычислительным сельским хозяйством, в котором современное оборудование, программное обеспечение и датчики позволят фермерам использовать генетическое разнообразие 30 000 видов съедобных растений по всему миру. Это позволит производителям выявлять и заниматься выращиванием более устойчивых культур в определенных средах, а также уменьшить потребность в удобрениях, химикатах и воде.
Для создания специального робота, команда собрала базу данных с информацией о почве, урожае и погоде в разных местах. Затем инженеры построили прототип багги, который должен отслеживать, как растения растут в этих различных средах, и использовали его на калифорнийских клубничных полях и посевах сои.
Электрический багги использует GPS для определения точного местоположения каждого растения, а затем камеры и датчики для сбора информации о состоянии растений. Это позволило багги анализировать такие культуры, как дыни, салат, овес и др. Робот предоставляет подробные данные, такие как размер листьев и фруктов, высота растений и количество урожая.
Затем информация дополняется другими данными о погоде и почве, а также спутниковыми изображениями. Команда использовала машинное обучение для выявления закономерностей и получения информации о том, как ведут себя растения в конкретной среде.
Возможно эта функция контроля состояния отдельных растений с течением времени поможет фермерам лучше прогнозировать урожайность и повысить общее состояние полей.
«Подобно тому, как микроскоп привел к трансформации методов выявления и лечения заболеваний, мы надеемся, что более совершенные инструменты позволят сельскохозяйственной отрасли изменить методы выращивания продуктов питания», — говорит Эллиот Грант, глава проекта Mineral.