أخبار ar.wedoany.com، تعمل شركة "كروبلر" (Cropler)، وهي منصة بولندية لبيانات الزراعة ومقرها وارسو، على بناء نظام بيئي متكامل للبيانات الأساسية للذكاء الاصطناعي الزراعي، يدمج أجهزة الاستشعار والكاميرات ومجموعات البيانات ونماذج التعلم الآلي، بهدف توفير مصادر بيانات حقلية موحدة لمطوري البرمجيات والباحثين وشركات المدخلات الزراعية.

يتمثل أحد التحديات الأساسية التي تواجه تطوير الذكاء الاصطناعي الزراعي في أن تدريب النماذج يتطلب كميات هائلة من البيانات الحقلية الحقيقية، والتي يكون جمعها مكلفًا ويستغرق فترات طويلة. ترى "كروبلر" أن القطاع الزراعي يشهد تمايزًا في البنية التحتية مشابهًا لما حدث في الحوسبة السحابية، حيث يميل مطورو البرمجيات بشكل متزايد إلى الاعتماد على مزودي بيانات متخصصين بدلاً من بناء أنظمتهم الأجهزية وشبكات الجمع بأنفسهم. قد يستغرق نشر أجهزة الاستشعار وجمع البيانات عبر مواسم متعددة وصيانة المعدات سنوات عديدة قبل أن تصبح تطبيقات الذكاء الاصطناعي قابلة للتطبيق تجاريًا.

يتمثل جوهر نهج هذه الشركة في إنشاء خط أنابيب بيانات موحد يربط المشاهدات الحقلية المادية مباشرة بأنظمة الذكاء الاصطناعي. تدمج هذه البنية التحتية الصور متعددة الأطياف، والاستشعار عن بعد للتربة، وبيانات الرصد الجوي فائقة الدقة، وقد تمت هيكلتها لتناسب سير عمل التعلم الآلي. يشمل النظام البيئي الأجهزي لـ "كروبلر" حاليًا ثلاثة أجهزة. تقوم كاميرا "أغري كاميرا" (Agri Camera) التجارية بجمع صور RGB و NDVI ثلاث مرات يوميًا، وتسجيل الظروف الجوية المحلية. كما يتوفر جهاز استشعار لرطوبة التربة يقيس محتوى الرطوبة ودرجة الحرارة حتى عمق 60 سنتيمترًا. وهناك كاميرا من فئة البحث والتطوير قيد التطوير، تدمج قياس الكتلة الحيوية ثلاثي الأبعاد، وقدرات الذكاء الاصطناعي على الحافة، وأنظمة تصوير متقدمة. من خلال مزامنة الصور الأرضية مع ظروف منطقة الجذر والبيانات البيئية، تسعى الشركة إلى توفير "لقطة شاملة من الأعلى إلى الأسفل" لحالة نمو المحاصيل.

لا تزال معظم مجموعات البيانات الزراعية الحالية مجزأة، وغالبًا ما تعتمد على رحلات طائرات بدون طيار عرضية، أو صور أقمار صناعية، أو محطات أرصاد جوية تقع على بعد كيلومترات من الحقول. يسجل نظام "كروبلر" قياسات NDVI عدة مرات يوميًا طوال موسم النمو، مما يمكّن نماذج الذكاء الاصطناعي من تعلم معدلات التغير في حالة المحاصيل. قد تساعد هذه البيانات البعد الزمني في الكشف المبكر عن الإجهاد الناتج عن الجفاف، أو ضغط الأمراض، أو نقص العناصر الغذائية. في الوقت نفسه، تتيح قياسات التربة على أعماق تصل إلى 60 سنتيمترًا (بفواصل كل 10 سنتيمترات) للباحثين والمهندسين الزراعيين مراقبة ظروف منطقة الجذر، مما قد يساعد في تقدير الإنتاجية في وقت مبكر أو تقييم كفاءة الأسمدة والري في الوقت الفعلي. بالنسبة لمنتجي الأسمدة وشركات البذور، يوفر هذا الرصد المستمر طريقة جديدة للتحقق من أداء المنتجات في ظروف حقلية حقيقية.

صرحت الشركة بأن شبكتها الأساسية للتعلم الآلي قد تم تطويرها باستخدام بيانات حقلية تغطي 28 دولة، عبر مناطق مناخية وأنظمة زراعية متعددة. توفر المنصة نماذج مدربة مسبقًا لتجزئة المحاصيل، واكتشاف الإجهاد، واستخراج السمات متعددة الوسائط التي تجمع بين صور RGB ومعلومات NDVI. تقوم واجهة برمجة التطبيقات (API) بتحويل قياسات الصور والطقس والتربة إلى مدخلات منظمة يمكن استخدامها بواسطة نماذج اللغة الكبيرة والوكلاء الزراعيين المستقلين. يعكس هذا الاتجاه توجهًا صناعيًا نحو أنظمة الذكاء الاصطناعي القادرة على توليد توصيات زراعية بناءً على معلومات حقلية متعددة المصادر، بدلاً من الاعتماد على مصدر بيانات واحد.

تستهدف "كروبلر" أربع فئات رئيسية من العملاء: المؤسسات البحثية، ومصنعي المدخلات الزراعية، ومطوري الذكاء الاصطناعي، والمتخصصين في العلوم الزراعية. لا تطلب الشركة من كل عميل نشر شبكة أجهزة استشعار خاصة به، بل تقدم البنية التحتية كخدمة، تشمل كل شيء بدءًا من ترخيص مجموعات البيانات وصولاً إلى النشر الحقلي المخصص. مع تسارع الاستثمار العالمي في الذكاء الاصطناعي الزراعي، تزداد أهمية الشركات القادرة على توليد مجموعات بيانات حقلية موثوقة في عملية التحول الرقمي للقطاع. بالنسبة للمطورين الذين يسعون إلى بناء وكلاء زراعيين أو نماذج تنبؤية، قد لا تكمن القيمة الأساسية في جمع البيانات بأنفسهم، بل في الحصول على ذكاء حقلي مُتحقق منه على نطاق واسع وبطريقة موحدة.

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com