(Kiemelt kép: Unsplash)
A mezőgazdasági ágazatban egyre több diszruptív vállalat van kialakulóban, melyek olyan új technológiákat fejlesztenek, mint az érzékelők, a gépi automatizálás és az adattudomány. Ilyenek például a talajnedvesség-érzékelők, mint például a CropX, melyek javítják az öntözés hatékonyságát. Vagy a növények egészségi állapotának és növekedési szakaszának nyomon követése olyan pilóta nélküli légi járművekkel (UAV), mint az AgEagle, de a közelmúltban láttuk az önvezető traktorok megjelenését is. Az adattudomány az a „ragasztóanyag”, mely ezeket a diszruptív érzékelőket és hardvertechnológiákat összeköti. A prediktív szoftverplatformok, mint például az AgDNA, teljesen új termékszegmense már elérhető, és gyors ütemben fejlődik. A következő generációs mezőgazdasági technológiák ezen új fajtáját együttesen AgTech 2.0-nak nevezik, és együttesen átalakítják az élelmiszer termelés ma ismert metódusait.
A technológia csak segíthet
A nagyüzemi gazdálkodás olyan, mint egy nagy ipari üzem működtetése – csak a szabadban. De ez a növénytermesztő „gyár” ki van téve a természet elemeinek, nincsenek falak vagy tető, az energiaellátás (nap, esőzés) szünetel, munkaerőhiány van (vidéki területek), a jövedelem ingadozik (nyersanyagárak), és évente csak egyszer kapnak fizetést, feltéve, hogy a termény túlélte a beérést. Az időjárás, a talajtípusok, a termelési teljesítmény és a jövedelem ilyen mértékű változékonysága teszi a gazdálkodást hihetetlenül kockázatossá. Az a tény, hogy nincs két egyforma évszak, azt jelenti, hogy a döntéshozatal egyik évszakról a másikra tele van bizonytalansággal. A mai technológia és az annak alapjául szolgáló adatok a jövőben megváltoztatják a „mezőgazdasági üzemekben” hozott döntések meghozatalának módját. A „nagy felbontású” adatok és a termesztési rendszer minden aspektusára vonatkozó információk elérhetősége az egyik évszakról a másikra azt jelenti, hogy a gazdálkodók képesek lesznek a múltbeli eredmények mélyreható elemzésén alapuló, kiszámított döntéseket hozni végre.
Az adattudomány megkerülhetetlen
A hidegebb éghajlaton a világ számos gazdálkodója évente csak egy növényt tud termeszteni. Ezért a gazdának pályafutása során mindössze 40 lehetősége lehet arra, hogy „jól csináljon valamit”. Ez kevés teret hagy a hibázásra. Az AgTech 2.0 kiegyenlít(het)i a versenyfeltételeket a termelő javára. A szántóföldi szenzorok ma már a nap 24 órájában adatokat továbbítanak a nagy adathalmazok algoritmusaihoz, melyek folyamatosan feldolgozzák az információkat, és valós idejű betekintést nyújtanak, hogy a termelők megalapozott döntéseket hozhassanak. Számos kritikus tényező van, mely megkülönbözteti az AgTech 2.0 szoftverplatformokat a hagyományos precíziós mezőgazdasági asztali eszközöktől. A következő generációs szoftverplatformok új fajtája ezekkel a tulajdonságokkal rendelkezik ahhoz, hogy az AgTech 2.0 szintjén versenyképes legyen: felhőalapú, központosított adatok, valós idejű kapcsolat az internetképes érzékelőkkel, interoperabilitás minden nagyobb márkájú berendezéssel, automatizált nagy adatfeldolgozási kapacitás, előrejelző meglátásokra képes algoritmusok.
Az AgTech 2.0 az ember által generált adatoktól az automatizált, gépi úton generált adatok folyamatos áramlása felé mozdít(hat)ja el a mezőgazdaságot. A mezőgazdaság sosem volt adathiányos, a kombájnok az 1990-es évek közepe óta rögzítik a terméshozamot. Azonban csak mostanra váltak könnyen elérhetővé digitális formában és valós időben áramló adatokként ezek a kritikus inputok: a talaj, az éghajlat, a növények egészsége, az öntözés és a gazdálkodási gyakorlatok. Az AgTech 2.0 új generációs platformjai élő, valós adatokat használnak fel olyan előrejelző modellek táplálására, melyek a múltbeli eredményekből levezetett minták és eredmények alapján előrejelzéseket és meglátásokat tudnak generálni. A termelő vagy az agronómus továbbra is meghozza a döntést arról, hogy mit kell tenni. De az újfajta eszközökkel ez a döntés magas fokú tájékozottságot eredményez, és nagyobb valószínűséggel csökkenti a termelési kockázatot és növeli a gazdasági hozamot.
Az Agtech implementálása
A cél az, hogy a kisebb problémákat még azelőtt kezeljék, mielőtt azok komolyabb problémává válnának. Amint azt korábban említettük, a gazdálkodásban nagyon kicsi a hibalehetőség. Egy probléma a szezon elején korlátozhatja a növény növekedési potenciálját, és jelentősen befolyásolhatja a terméshozamot a betakarításkor. Miközben az AgTech 2.0 hardverplatformok folyamatosan nagyfelbontású adatokat továbbítanak, szoftveres társaik elemzik ezt az élő adatfolyamot, hogy olyan felismeréseket találjanak, melyek növelik a hozamot vagy csökkentik a működési költségeket. Vegyünk például egy traktort, mely a kukorica vetése céljából áthalad a mezőn. Ez a traktor ma már lényegében önvezető, és a GPS-helymeghatározás segítségével pontosan navigálhat a mezőn. A traktor irányításához használt, felmérési minőségű GPS-adatok a mező 3D-s magassági modelljének elkészítéséhez is felhasználhatók. Ha már ismerjük a mező domborzatát, akkor intelligens szoftverplatformok segítségével azonosítani lehet a „depressziós” zónákat. Ezek olyan alacsonyan fekvő területek a mezőn, melyek nem képesek lefolyni egy heves esőzés során. Az ilyen mélyedési zónák ismeretében a szoftver kiszámítja bizonyos betegségek valószínűségét, melyek akkor jelentkezhetnek, ha a szántóföldön az átlagosnál több csapadék esik. A hasonló vízelvezetési problémákkal küzdő több százezer hektárra vonatkozó korábbi eredmények elemzésével a Big Data szoftver képes meghatározni a különböző agronómiai problémák valószínűségét a teljes szántóföldön vagy bizonyos depressziós zónákban. Ezen információk birtokában a rendszer a gazdálkodó vagy az agronómus számára értékelhető „receptet” tud ajánlani. Ezután eldönthető, hogy a betegség kitörésének megelőzése érdekében csak a mély fekvésű régiókban vagy az egész szántóföldön a gazdasági megtérülés alapján az optimális mennyiségű gombaölő szer kijuttatására kerüljön sor. Továbbá a termés betakarításakor a kapott termésadatokat össze lehet hasonlítani a 3D magassági térképpel. Ha a rossz vízelvezetés és az alacsony terméshozam közötti korreláció valószínűsége magas, akkor a költség-haszon elemzés alapján gazdasági döntést lehet hozni a probléma kijavításáról. Ez az információszint üzleti indoklást és pénzügyi javaslatot nyújt a termelő számára, hogy eldönthesse, a jövedelmezőség növelése érdekében a jövőbeni termesztési időszakokban ki kívánja-e javítani a vízelvezetési problémát. Ez csak egy példa a számos olyan felhasználási eset közül, ahol az adatok automatikusan rögzíthetők és elemezhetők annak meghatározása érdekében, hogy van-e gazdasági lehetőség a jövedelmezőség javítására és a kockázatok kezelésére a mezőgazdasági műveletben.
Az AgTech jövője
Az AgTech 2.0 „mozgalom” gyors ütemben fog felgyorsulni. Jelentős tőkebefektetések áramlanak az ágazatba magánbefektetők, kockázati tőkebefektetők és a nagy OEM- és inputgyártók részéről. A rövid távú kihívást nem a technológia jelenti, hanem inkább az adatszabványok és a gyártók közötti mai kompatibilitás hiánya. Néhány a legfontosabb diszruptív technológiák közül.
Drónok
A drónok jelenlegi kihívásai közé tartozik az indításhoz szükséges idő, a korlátozott repülési idő és az adatok automatizált feldolgozása. Idővel ezeket leküzdjük, és a drónok úgy fognak működni, mint egy hiperlokális műholdas rendszer az egyes gazdaságok számára, mely a szezon során naponta nagy felbontású adatokat szolgáltat.
Szenzorok
Az új traktorok, permetezőgépek és betakarítógépek már most is több száz érzékelőt tartalmaznak, melyek agronómiai és működési információkat szolgáltatnak a felhőbe. A jövőben a szenzorok a vezetőfülkéből a szántóföldre is eljutnak, hogy valós idejű talaj- és növény-egészségügyi információkat szolgáltassanak minden egyes növényre vonatkozóan.
Gépi automatizálás
A vezető nélküli gépek általánossá válnak. Ez nem jelenti azt, hogy minden művelet autonóm lesz, de az olyan alacsony hatékonyságú tevékenységek, mint a permetezés, automatizáltak lesznek végre. Ráadásul ezeket kisebb elektronikus járművek végzik majd, melyek csak akkor permeteznek, amikor a gyomnövény jelen van (vagy előre látható), hogy biztosítsák a minimális költséget és a legkisebb környezeti hatást.
Mesterséges intelligencia
A mezőgazdasági robotika, a talaj és a növények megfigyelése, valamint az adatokkal támogatott előrejelzések készítése révén a mesterséges intelligencia egyre inkább előtérbe kerül a mezőgazdaság területén. A talajadatokat és a terméshozamra vonatkozó adatokat tárolják és elemzik, hogy algoritmusokat hozzanak létre, melyek eldöntik a növény víz- és fényterhelését. A jövőbeni fenyegetésként a világ népessége 2050-re várhatóan 9 milliárd főre nő, és ahhoz, hogy mindenki számára élelmezésbiztonságot lehessen biztosítani, az élelmiszertermelésnek 70%-kal kell növekednie, a lehető legkisebb környezeti terhelést biztosítva és megújuló energiát felhasználva. A mesterséges intelligencia technológia elérhetővé és megfizethetővé tétele a mezőgazdaságban az alulról jövő szinten az emberiség újabb úttörő fejlődése lehet.
Adattudomány
A legtöbb iparághoz hasonlóan a fenti hardveres megoldások mindegyike árucikké válik, és az ár lesz a legfontosabb vásárlási tényező. Az igazi értéket a mögöttes algoritmusok jelentik majd, amelyek maximalizálják a tőkeberendezések és az azokból származó adatok gazdasági értékét.
Magyar AgTech megoldások
Termésfigyelés
Nem hiányozhatnak az AgTech 2.0 nóvumai közül a magyar megoldások sem, a távolságmérés, növénytő-számlálás, termésfigyelés, a növények betegségeinek, illetve gyomoknak a feltárása, időjárás-, rovar és vadkár elemzés – mindezt tudja egy mesterséges intelligenciával támogatott új platform, melyet a magyar agrártechnológiai startup, a Proofminder fejlesztett ki. A levél-szintű termésfigyelést lehetővé tévő, mesterséges intelligenciával támogatott platformot fejlesztő magyar agrártechnológiai startup, a Proofminder nemzetközi terjeszkedésének támogatásába a társadalmi innovációkat célzó hazai befektető, az Impact Ventures is beszállt. A jelenleg széles körben elterjedt precíziós mezőgazdasági megoldások főleg műholdkép-alapúak, így nem tudnak megbirkózni a magas felbontású, közelebbről készített képfelvételeket igénylő kihívásokkal. A Proofminder szoftveres (SaaS) platformja egy, szinte korlátlan számú alkalmazási területen használható, könnyen kezelhető megoldást ad a gazdák kezébe.
Növénynemesítés
Egy másik magyar AgTech 2.0-ás fejlesztés is áttörést hozhat a magyar agráriumban, itt az űrtechnológiát bevetve hozhatnak technológiai nóvumot a gazdáknak. A vetőmag az agrárium csúcsterméke, a benne őrzött genetikai állományból fejlődik ki az a növény, melyeket különböző hasznosítási célra termesztenek, tehát az egész tápláléklánc alapja. Ma már nem úgy működik a növénytermesztés sem, mint korábban, már nem elég csak elvetni a vetőmagot és várni az eredményt. A Marton Genetics a Magyar Agrár- és Élettudományi Egyetem (MATE) és a Debreceni Egyetem közös projektjével vállalták fel azt, hogy a magyar űrprogramhoz ők is hozzáteszik tudásukat és tapasztalatukat. Az űrprogramhoz kapcsolódó kutatásban alkalmazott tudást a magyar agrárium modernizációjában is fel lehet majd használni, ami nagy ütőkártyának bizonyulhat. Így kapcsolódhat össze az agrártudomány, a növénynemesítés genetikája és az űrkutatás. Fontos tudni, mi az, ami könnyen termeszthető, megfelelő a tápértéke és utószaporítható. A kulcs a Marton Genetics megoldásában a mesterséges intelligencia és a növénynemesítés ötvözése. A szakembereknek a gépi elme segít a a fenotípusos szelektálásban és kiválogatni a jövőbeni fajtákat szinte bármilyen növénykultúrában. Ez a megoldás képes előrevetíteni 10-15 (de akár 30) évre is a jövő vetőmagjait.
