به گزارش تیترشهر؛ در پژوهش های اخیر مشخص شد به خاطر رشد بی رویه جمعیت زمین ضروریست که خروجی صنایع تا سال ۲۰۳۰ رشد ۶۰ درصدی داشته باشد.
اما چطور قرار است به این هدف برسیم؟ افرادی که در صنایع حضور دارند (کشاورزان و تولید کنندگان غذا) باید تغییرات دیجیتال در زمینه کشاورزی را با آغوش باز بپذیرند. در واقع بشر با استفاده از تکنولوژی به عنوان یک منبع پایدار و مقیاس پذیر قادر خواهد بود کشاورزی را به سطوح تازه ای از پیشرفت برساند و همچنان به آن رونق بدهد.
اینترنت اشیاء و حسگرهای زمینی
اینترنت اشیاء به شیوه ای مناسب در حال تداخل پیدا کردن با صنعت کشاورزی است و از پتانسیل بالایی برای استفاده در صنعت غذا برخوردار است. براساس گزارشی که توسط سیسکو منتشر شده اینترنت اشیاء میتواند ارزش آفرینی ۱۴.۴ تریلیون دلاری را برای صنعت کشاورزی داشته باشد. اینترنت اشیاء در واقع همان ساده سازی جمع آوری، بازرسی و توزیع منابع کشاورزی با کمک سنسورهایی است که در تجهیزات و وسایل مختلف کار گذاشته خواهند شد.
سنسورهایی که به صورت استراتژیک حول زمین های کشاورزی کار گذاشته می شوند و از تکنولوژی های تشخیص تصویر برخوردارند به کشاورزان امکان می دهند که محصولات خود را از هر نقطه ای در این دنیا ببینند. این حسگرها اطلاعاتی به روز را به صورت آنی برای کشاورزان ارسال خواهند کرد تا براساس آنها تغییرات لازم را در محصولات خود اعمال کنند. تصور کنید اپلیکیشنی در اختیار دارید که به شما می گوید چه زمانی گیاهان کاشته شده در حیاط منزلتان به آب و دیگر مواد مغذی نیاز دارند. در اینصورت خیلی از مشکلاتی که برای پرورش گیاهان پیش رو دارید از بین می روند.
سنسورهای اینترنت اشیائی هم که درون مزارع کار گذاشته می شوند همین کار را برای کشاورزان انجام خواهند داد اما در یک مقیاس بزرگ تر که به تولید حجم بیشتر غذا و مصرف آب کمتر می انجامد و این دقیقا همان چیزی است که صنعت نیاز دارد.
اینترنت اشیاء و حسگرهای درون تجهیزات
درست مانند تکنولوژی مورد استفاده درون مزارع، حسگرها چندی است که به تجهیزات کشاورزی هم راه یافته اند تا سلامت ماشین آلات و تجهیزات را اندازه بگیرند. حالا دیگر تراکتورها و دیگر ادوات کشاورزی با پیروی از مفهوم «کشاورزی دقیق» همراه با سیستم های ناوبری و مجموعه ای از حسگرها تولید می شوند. برخی از این سنسورها توانایی آن را دارند که با استفاده از GPS مشکلات مربوط به زمین های ناهموار را رفع کنند و برخی نیز برای تهیه نقشه از محصول و مستند سازی برداشت تولید می شوند. برخی دیگر از این تجهیزات نیز در زمان هایی که تراکتورها خدمات تعمیر و نگهداری را دریافت می کنند فرایند پایش زمین ها را بر عهده می گیرند. روی هم رفته این سنسورها تلاش دارند تا میزان خرابی ماشین آلات را به حداقل ممکن برسانند.
پهپادها و پایش محصولات
برخلاف باغچه ها که می توان از یک نقطه تمامی گیاهان موجود در آنها را دید، برای کشاورزانی که در مزارع کار می کنند و چندین هکتار زمین را زیر کشت برده اند چنین امکانی وجود ندارد و تنها راهی که بتوانند کل مزرعه را ببینند استفاده از هواپیماهای ویژه کشاورزی و سمپاشی است. حال تصور کنید اگر کشاورزان میتوانستند با کمک تجهیزات هوایی و بدون نیاز به پرداخت هزینه ی هواپیماهای مخصوص این کار، کل محصول خود را پایش کنند چه بازگشت سرمایه عظیمی داشتند. همین حالا در ایالات متحده آمریکا از پهپادها برای مقابله با خشکسالی و دیگر فاکتورهای زیست محیطی خطرناک استفاده می شود. می توان از پهپادهایی که تصاویر سه بعدی تهیه می کنند برای بررسی کیفیت خاک در طول فرایند تحلیل و برنامه ریزی کاشت بذر استفاده کرد.
از پهپادها همچنین برای اسپری مواد شیمیایی روی محصولات استفاده می شود و جالب آنکه این پرنده های کوچک بدون سرنشین در حین کار مراقب هستند که مواد شیمیایی به منابع آبی زیر زمینی نفوذ نکند. پژوهش های اخیر نشان داده که پهپادها می توانند سرعت اسپری را تا پنج برابر نسبت به دیگر انواع تجهیزات این کار افزایش دهند.
کشاورزی و رباتیک
درست ماننند ربات ها و هوش مصنوعی مورد استفاده در دیگر صنایع، تجهیزات هوشمند حوزه کشاورزی نیز بهره وری را بالا خواهند برد و باعث تولید بیشتر و سریع تر محصولات کشاورزی می شوند. ربات هایی که توانایی اسپری کردن مواد شیمیایی را دارند یا ماشین آلات ویژه وجین کردن همگی می توانند استفاده از مواد شیمیایی در این صنعت را تا ۹۰ درصد کاهش بدهند.
شرکت های رباتیک استارتاپی زیادی هم اکنون در سراسر دنیا مشغول به کارند که برخی از آنها تلاش می کنند با استفاده از لیزر و دوربین تشخیص علف های هرز و حذف آنها از زمین های کشاورزی را بدون مداخله انسان ممکن کنند. این ربات ها می توانند از راهنمایی های لیزری برای حرکت میان ردیف های محصولات (آن هم به صورت کاملا مستقل) استفاده نمایند و وابستگی به انسان در این زمینه را به میزان چشمگیری کاهش دهند. شرکت های دیگری هم هستند که ربات های کاشت گیاه می سازند تا بهره وری را به نسبت به شیوه های سنتی کاشت ارتقاء دهند و همین حالا که این مطلب را می خوایند ربات های برداشت محصول و میوه چین در مزارع مشغول به کار هستند و این کاری است که در گذشته از عهده ربات ها خارج بود و تصور نمی شد که بتوانند چنین فعالیت ظریفی را به انجام برسانند.
حسگرهای RFID و دنبال کننده ها
پس از آنکه محصولات از زمین های کشاورزی برداشت شدند سنسور های RFID وارد عمل می شوند تا غذا را از مزرعه تا فروشگاه رهگیری کنند. کاربر نهایی یا همان مصرف کننده نیز می تواند با کمک این سیستم مسیر دقیق غذایی که به دستش می رسد را از مزرعه تا محل خرید دنبال نماید. این تکنولوژی می تواند باورپذیری کشاورزان را راحت تر کرده و آنها را نسبت به تولید محصولات و کالاهای تازه مسئولیت پذیر تر نماید.
البته استفاده از چنین سیستمی قطعا شيوع باکتری های مضر و بیماری های عفونی نظیر E. Coli را متوقف نمی کند اما اگر عامل بیماری زایی در مواد غذایی پیدا شود به راحتی می توان آن را از مزرعه یا کارخانه ای که در آن فراوری شده رهگیری کرد.
چند هفته پیش بود که در آمریکا کاهوهای آلوده به نوعی باکتری خطرناک از سطح فروشگاه ها جمع آوری شدند. این باکتری در ۱۶ ایالت مختلف آمریکا افراد را به بستر بیماری کشاند اما از آنجایی که امکان تشخیص مبدا کاهوهای آلوده مشخص نبود سازمان های مسئول در آمریکا هشداری را در کلیه ایالت های این کشور صادر کردند و از مردم خواستند که در مورد مصرف کاهو احتیاط کافی را به خرج دهند.
این سیستم های دنبال کننده اما می توانند پیامدهای منفی ناشی از عوامل حساسیت زا را به میزان چشمگیری کاهش دهد. برای کشاورزان هم این ایده که می توانند محصولات تولیدی شان را دنبال کنند سودمند خواهد بود و نوعی حس آسودگی را در آنها ایجاد می کند و می توانند مطمئن باشند که محصولاتشان سالم به سبد غذایی مشتریان می رسند.
یادگیری ماشینی و تحلیل
یکی از نوآورترین بخش های گذار دیجیتالی امکان استفاده از یادگیری ماشینی و تحلیل های پیشرفته برای استخراج دیتا و تشخیص گرایش افراد است. استفاده از این تکنولوژی پیش از کاشت بذر کلید می خورد و به همراهی بذرکاران نیاز دارد. یادگیری ماشینی می تواند پیش بینی کند که کدام مشخصات و ژن ها برای تولید محصول بهترین هستند و بسته به موقعیت مکانی کشاورز و شرایط جوی آن منطقه بهترین بذر را به آنها پیشنهاد خواهد داد.
از الگوریتم های یادگیری ماشینی نیز می توان در بخش های تولیدی کشاورزی استفاده کرد؛ یعنی جایی که مشتریان محصولات را خریداری می کنند. این الگوریتم ها می توانند نشان دهند که کدام محصولات بیشتر از بقیه خریداری می شوند و کدام محصولات در بازار موفق نیستند. به این ترتیب کشاورزان با استناد به چنین اطلاعاتی پیش بینی های خوبی برای محصولات آتی خود ارائه خواهند داد.
به نظر می رسد که آینده کشاورزی تا حدود زیادی به تغییرات دیجیتالی وابسته باشد. کشاورزان نیز از تک تک این تغییرات سود خواهند برد و میتوانند محصولات بهتری تولید کنند. کشاورزان همچنین می توانند به لطف متدهای جدید شیوه های بهتر و مقرون به صرفه تری برای مدیریت محصولات خود ابداع کنند. همانطور که در ابتدای این مطلب اشاره شد با رشد جمعیت زمین ضروریست که روش های کشاورزی نیز رشد و توسعه پیدا کنند و حالا وقت آن رسیده که از از تکنولوژی های موجود برای بهبود تولید محصولات غذایی کمک گرفته شود.
