تکنولوژی در خدمت کشاورزی
تکنولوژی در خدمت کشاورزی که با نام AGTECH هم شناخته می شود در سال های اخیر دستخوش تغییرات فراوانی شده است. در سال ۲۰۱۵ میلادی سرمایه گذاری در حوزه تکنولوژی کشاورزی به رقم چشمگیر ۴.۶ میلیارد دلار رسید و این رقم تازه مربوط به سه سال پیش است! اماجمعیت زمین مرتبا در حال رشد است و این احتمال همواره وجود دارد که دسترسی به منابع غذایی در آینده دچار مشکل شود.
در پژوهش های اخیر مشخص شد به خاطر رشد بی رویه جمعیت زمین ضروریستکه خروجی صنایع تا سال ۲۰۳۰ رشد ۶۰ درصدیداشته 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 آغوشباز بپذیرند. در واقع بشر با استفاده از تکنولوژی به عنوان یک منبع پایدار و مقیاسپذیر قادر خواهد بود کشاورزی را به سطوح تازه ای از پیشرفت برساند و همچنان به آنرونق بدهد.
اینترنت اشیاء و حسگرهای زمینی
اینترنت اشیاء به شیوه ای مناسب در حال تداخل پیدا کردن با صنعتکشاورزی 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 تریلیوندلاری را برای صنعت کشاورزی داشته باشد. اینترنت اشیاء در واقع همان ساده سازی جمعآوری، بازرسی و توزیع منابع کشاورزی با کمک سنسورهایی است که در تجهیزات و وسایلمختلف کار گذاشته خواهند شد.سنسورهایی که به صورت استراتژیک حول زمین های کشاورزی کار گذاشته میشوند و از تکنولوژی های تشخیص تصویر برخوردارند به کشاورزان امکان می دهند کهمحصولات خود را از هر نقطه ای در این دنیا ببینند. این حسگرها اطلاعاتی به روز رابه صورت آنی برای کشاورزان ارسال خواهند کرد تا براساس آنها تغییرات لازم را درمحصولات خود اعمال کنند. تصور کنید اپلیکیشنی در اختیار دارید که به شما می گویدچه زمانی گیاهان کاشته شده در حیاط منزلتان به آب و دیگر مواد مغذی نیاز دارند. دراینصورت 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 همینکار را برای کشاورزان انجام خواهند داد اما در یک مقیاس بزرگ تر که به تولید حجمبیشتر غذا و مصرف آب کمتر می انجامد و این دقیقا همان چیزی است که صنعت نیاز دارد.
اینترنتاشیاء و حسگرهای درون تجهیزات
درست مانند تکنولوژی مورد استفاده درون مزارع، حسگرها چندی است که بهتجهیزات 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» همراهبا سیستم های ناوبری و مجموعه ای از حسگرها تولید می شوند. برخی از این سنسورهاتوانایی آن را دارند که با استفاده از GPS مشکلات مربوط به زمین های ناهموار را رفع کنند و برخی نیز برای تهیهنقشه از محصول و مستند سازی برداشت تولید می شوند. برخی دیگر از این تجهیزات نیزدر زمان هایی که تراکتورها خدمات تعمیر و نگهداری را دریافت می کنند فرایند پایشزمین ها را بر عهده می گیرند. روی هم رفته این سنسورها تلاش دارند تا میزان خرابیماشین آلات را به حداقل ممکن برسانند.
پهپادها وپایش محصولات
برخلاف باغچه ها که می توان از یک نقطه تمامی گیاهان موجود در آنهارا دید، برای کشاورزانی که در مزارع کار می کنند و چندین هکتار زمین را زیر کشتبرده اند چنین امکانی وجود ندارد و تنها راهی که بتوانند کل مزرعه را ببیننداستفاده از هواپیماهای ویژه کشاورزی و سمپاشی است. حال تصور کنید اگر کشاورزانمیتوانستند با کمک تجهیزات هوایی و بدون نیاز به پرداخت هزینه ی هواپیماهای مخصوصاین کار، کل محصول خود را پایش کنند چه بازگشت سرمایه عظیمی داشتند. همین حالا درایالات متحده آمریکا از پهپادها برای مقابله با خشکسالی و دیگر فاکتورهای زیستمحیطی خطرناک استفاده می شود. می توان از پهپادهایی که تصاویر سه بعدی تهیه میکنند برای بررسی کیفیت خاک در طول فرایند تحلیل و برنامه ریزی کاشت بذر استفادهکرد.
از پهپادها همچنین برای اسپری مواد شیمیایی روی محصولات استفاده میشود و جالب آنکه این پرنده های کوچک بدون سرنشین در حین کار مراقب هستند که موادشیمیایی به منابع آبی زیر زمینی نفوذ نکند. پژوهش های اخیر نشان داده که پهپادهامی توانند سرعت اسپری را تا پنج برابر نسبت به دیگر انواع تجهیزات این کار افزایشدهند.
کشاورزی ورباتیک
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 بیشترو سریع تر محصولات کشاورزی می شوند. ربات هایی که توانایی اسپری کردن مواد شیمیاییرا دارند یا ماشین آلات ویژه وجین کردن همگی می توانند استفاده از مواد شیمیایی دراین صنعت را تا ۹۰ درصد کاهش بدهند.
شرکت های رباتیک استارتاپی زیادی هم اکنون در سراسر دنیا مشغول بهکارند که برخی از آنها تلاش می کنند با استفاده از لیزر و دوربین تشخیص علف هایهرز و حذف آنها از زمین های کشاورزی را بدون مداخله انسان ممکن کنند. این ربات هامی توانند از راهنمایی های لیزری برای حرکت میان ردیف های محصولات (آن هم به صورتکاملا مستقل) استفاده نمایند و وابستگی به انسان در این زمینه را به میزان چشمگیریکاهش دهند. شرکت های دیگری هم هستند که ربات های کاشت گیاه می سازند تا بهره وریرا به نسبت به شیوه های سنتی کاشت ارتقاء دهند و همین حالا که این مطلب را میخوایند ربات های برداشت محصول و میوه چین در مزارع مشغول به کار هستند و این کاریاست که در گذشته از عهده ربات ها خارج بود و تصور نمی شد که بتوانند چنین فعالیتظریفی را به انجام برسانند.
حسگرهای RFID و دنبالکننده ها
پس از آنکه محصولات از زمین های کشاورزی برداشت شدند سنسور های RFID وارد عمل میشوند تا غذا را از مزرعه تا فروشگاه رهگیری کنند. کاربر نهایی یا همان مصرف کنندهنیز می تواند با کمک این سیستم مسیر دقیق غذایی که به دستش می رسد را از مزرعه تامحل خرید دنبال نماید. این تکنولوژی می تواند باورپذیری کشاورزان را راحت تر کردهو آنها را نسبت به تولید محصولات و کالاهای تازه مسئولیت پذیر تر نماید.
البته استفاده از چنین سیستمی قطعا شیوع باکتری های مضر و بیماری هایعفونی نظیر E. Coli را متوقف نمی کند اما اگر عامل بیماری زایی در مواد غذایی پیدا شودبه 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 خطرناکاز سطح فروشگاه ها جمع آوری شدند. این باکتری در ۱۶ ایالتمختلف آمریکا افراد را به بستر بیماری کشاند اما از آنجایی که امکان تشخیص مبداکاهوهای آلوده مشخص نبود سازمان های مسئول در آمریکا هشداری را در کلیه ایالت هایاین کشور صادر کردند و از مردم خواستند که در مورد مصرف کاهو احتیاط کافی را بهخرج دهند.
این سیستم های دنبال کننده اما می توانند پیامدهای منفی ناشی ازعوامل حساسیت زا را به میزان چشمگیری کاهش دهد. برای کشاورزان هم این ایده که میتوانند محصولات تولیدی شان را دنبال کنند سودمند خواهد بود و نوعی حس آسودگی را درآنها ایجاد می کند و می توانند مطمئن باشند که محصولاتشان سالم به سبد غذاییمشتریان می رسند.
یادگیریماشینی و تحلیل
یکی از نوآورترین بخش های گذار دیجیتالی امکان استفاده از یادگیریماشینی و تحلیل های پیشرفته برای استخراج دیتا و تشخیص گرایش افراد است. استفادهاز 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 محصولبهترین هستند و بسته به موقعیت مکانی کشاورز و شرایط جوی آن منطقه بهترین بذر رابه آنها پیشنهاد خواهد داد.
از الگوریتم های یادگیری ماشینی نیز می توان در بخش های تولیدیکشاورزی استفاده کرد؛ یعنی جایی که مشتریان محصولات را خریداری می کنند. اینالگوریتم ها می توانند نشان دهند که کدام محصولات بیشتر از بقیه خریداری می شوند وکدام محصولات در بازار موفق نیستند. به این ترتیب کشاورزان با استناد به چنیناطلاعاتی پیش بینی های خوبی برای محصولات آتی خود ارائه خواهند داد.
به نظر می رسد که آینده کشاورزی تا حدود زیادی به تغییرات دیجیتالیوابسته باشد. کشاورزان نیز از تک تک این تغییرات سود خواهند برد و میتوانندمحصولات بهتری تولید کنند. کشاورزان همچنین می توانند به لطف متدهای جدید شیوه هایبهتر و مقرون به صرفه تری برای مدیریت محصولات خود ابداع کنند. همانطور که درابتدای این مطلب اشاره شد با رشد جمعیت زمین ضروریست که روش های کشاورزی نیز رشد وتوسعه پیدا کنند و حالا وقت آن رسیده که از از تکنولوژی های موجود برای بهبودتولید محصولات غذایی کمک گرفته شود.