Kaikkien COVID-19:ää, hurrikaaneja ja presidentinvaaleja koskevien uutisten joukossa olet saattanut unohtaa yhden vuoden tärkeimmistä uutisista.
Kampuksensa keskustassa Gainesvillessä Floridan yliopisto rakentaa Yhdysvaltain korkeakoulutuksen tehokkain tekoäly-supertietokone. Tämä on ollut suuri uutinen UF:llä, sillä se luo jännittäviä uusia mahdollisuuksia tiedekunnalle, opiskelijoille ja tutkijoille. Mutta mitä se tarkoittaa viljelijöille ja sidosryhmille Floridassa?
Tekoäly on tietokonejärjestelmän kyky tunnistaa kuvioita, ymmärtää kieltä, oppia kokemuksista, ratkaista ongelmia ja suorittaa monimutkaisia tehtäviä. Toisin sanoen se on koneen kyky ajatella kuten ihmisaivot, mutta tehdä se nopeammin, tarkemmin ja massiivisessa mittakaavassa.
Jos olet viljelijä, välität jokaisesta maatilasi kasvista ja eläimestä. Jos käytettävissäsi on riittävästi aikaa ja työvoimaa, tarkastaisit jokaisen kasvin ja eläimen ja antaisit kullekin tarkat resurssit, joita tarvitaan kasvaakseen maksimaalisesti. Tekoäly antaa sinun tehdä juuri sen, kiinnittämällä silmät miljooniin muuttujiin ja koordinoimalla valtavia tietomääriä välittömästi ja tarkalla tarkkuudella.
Tekoäly vaatii valtavan määrän laskentatehoa. Tästä syystä UF:n yhteistyö NVIDIA:n ja UF:n alumni Chris Malachowskyn kanssa lahjoitti 70 miljoonan dollarin supertietokoneen. HiPerGator, on erittäin tärkeä työkalu maataloudelle.
Antaaksemme sinulle käsityksen UF:n uuden HiPerGator 3.0 -laskentajärjestelmän kapasiteetista, jos jokainen kotitehtäviä tekevä UF-opiskelija, jokainen tiedekunnan jäsen ja tutkimusta tekevä tiedemies, jokainen logistiikkaa hoitava laitos ja jokainen budjettitoimiston murskaavat numerot käyttäisivät HiPerGatoria samaan aikaan, se käyttäisi vain noin 15 prosenttia täydestä kapasiteetistaan.
Mitä se voi tehdä muille 85 prosentille? Se on meidän kaikkien päätettävissä.
Täällä UF/IFAS:ssa olemme innoissamme mahdollisuuksista soveltaa tekoälyä Floridan maatalousteollisuuden tukemiseen, maailman kasvavan väestön ruokkimiseen ja luonnonvarojen kestävään käyttöön liittyvien arjen ongelmien ratkaisemiseen. Tekoälyllä on lupaus edistää merkittävästi kykyämme vahvistaa elintarvikeketjujärjestelmiä, kehittää kasvien ja eläinten tarkkuusjalostusta, soveltaa robotiikkaa elintarvike- ja maataloustoiminnassa, seurata tuholaisten ja taudinaiheuttajien sijaintia ja leviämistä sekä kerätä tietoa agroekosysteemipalveluista.
Itse asiassa UF/IFAS on jo soveltanut tekoälyä parantamaan maataloustuotantoa useiden vuosien ajan. HiPerGator tehostaa näitä ponnisteluja ja tuo uusia resursseja tekoälyn kykyjen kasvattamiseen auttaakseen Floridan viljelijöitä olemaan tuottavampia ja säästämään resursseja. Seuraavat ovat vain muutamia alueita, joilla UF/IFAS Extension auttaa Floridan viljelijöitä soveltamaan tekoälytutkimusta tuotantoonsa.
Citrus
Yiannis Ampatzidis ja hänen tutkimusryhmänsä Southwest Florida REC:ssä ovat kehittäneet tekoälyyn perustuvan ohjelmiston nimeltä Agroview analysoimaan ja visualisoimaan UAV:ista tai droneista kerättyä tietoa. Pistetarkastusten sijaan UAV:t voivat ottaa kuvia tuhansista yksittäisistä kasveista ja ladata ne pilvipohjaiseen ohjelmistoon, joka analysoi tiedot kasvien ominaisuuksien, määrien ja kasvutekijöiden tai vaikutusten saamiseksi. Ohjelmistolla on laaja valikoima sovelluksia Floridan maataloudelle, mukaan lukien ikoninen sitrusteollisuus. Agroview on kehitetty auttamaan tuottajia pitämään parempaa huolta sadoistaan ja säästämään rahaa. Se on niin vallankumouksellinen innovaatio, että se voitti äskettäin UF:n vuoden keksintö -palkinnon.
http://blogs.ifas.ufl.edu/news/2020/06/04/cloud-based-technology-helps-farmers-count-citrus-trees/
Maapähkinä
Maapähkinän siementen kypsyyden määrittäminen edellyttää tällä hetkellä kuorien kuorimista testinäytteistä ja subjektiivisen arvion tekemistä siementen värin perusteella. Nyt maatalousosaston johtaja Diane Rowland ja hänen tutkimusryhmänsä ovat kehittäneet menetelmän, jossa käytetään hyperspektristä kuvantamista ja tekoälyä maapähkinän siementen laadun määrittämiseksi kuoren läpi, jolloin maapähkinäkasvattajat voivat valita kypsiä siemeniä paljon tarkemmin ja vähemmän aikaa ja työvoimaa käyttäen.