OLEH MIKKEL GRUM
Pemantauan hama dan penyakit merupakan proses padat karya, yang mengharuskan pengintai untuk secara akurat mengevaluasi kesehatan tanaman dan tanaman saat mereka bergerak melintasi rumah kaca, ladang atau ladang. Analisis gambar yang digerakkan oleh AI ditujukan untuk membantu mengotomatiskan pengawasan tanaman
[email protected]
Kemajuan teknologi dalam pengawasan hama dan penyakit mengubah sektor padat karya menjadi sektor yang lebih efisien dan berbasis data. Ketika kecerdasan buatan (AI) dikembangkan untuk membantu produksi tanaman, petani harus lebih kritis dari sebelumnya dalam menilai manfaat dari solusi tahap awal ini.
Dr Mikel Grum, Seorang direktur penelitian dan pengembangan di pakar pemetaan hama dan penyakit tanaman global Scarab Solutions, mengatakan manajer perlindungan pertanian dan tanaman harus terus berfokus pada teknologi yang menambah tenaga kerja manusia alih-alih berpegang pada janji AI.
Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa (FAO) memperkirakan bahwa antara 20 dan 40 persen dari produksi tanaman global hilang setiap tahun karena hama dan penyakit, merugikan ekonomi global $220 miliar. Hama seperti thrips, kutu daun, penambang daun, tungau, lalat putih dan ulat bulu, penyakit seperti hawar, jamur, botrytis dan busuk batang dan akar umum terjadi di semua zona iklim.
Memang benar bahwa untuk menjadi lebih efektif, pengelolaan tanaman akan membutuhkan teknik dan teknologi yang lebih baik. Banyak yang percaya AI memegang jawabannya.
AI mengambil langkah pertama dalam hortikultura
Pemantauan hama dan penyakit merupakan proses padat karya, yang mengharuskan pengintai untuk secara akurat mengevaluasi kesehatan tanaman dan tanaman saat mereka bergerak melintasi rumah kaca, ladang atau ladang. Analisis gambar yang digerakkan oleh AI ditujukan untuk membantu mengotomatiskan pengawasan tanaman.
Dalam hortikultura, perkembangan terakhir termasuk 'robot pengintai' yang dilengkapi dengan kamera gambar inframerah-dekat untuk mendeteksi embun tepung dan analisis gambar untuk memprediksi hasil kuncup dan bunga, dan Robot Pramuka IRIS. Ada sistem pemantauan hama jarak jauh, menggunakan pembelajaran mesin (ML) untuk melakukan analisis citra perangkap feromon, dan sejumlah besar yang mengusulkan citra drone dan satelit, sebagai dasar pengelolaan tanaman di masa depan.
Penggunaan aplikasi smartphone yang lebih luas untuk memindai foto untuk tanda-tanda hama dan penyakit, sering disajikan sebagai siap, atau hampir siap untuk penggunaan prime time.
Banyak yang telah mendengar bahwa analisis gambar Google sekarang lebih baik daripada manusia dalam mengenali kucing dan anjing dalam gambar, atau bahwa dalam penelitian kanker payudara, analisis gambar AI sekarang mendeteksi kanker pada mammogram dengan efisiensi dan akurasi yang lebih tinggi daripada ahli radiologi. Jadi pasti, menggunakan analisis gambar untuk mengidentifikasi hama dan penyakit tanaman pada foto yang diambil dengan smartphone tidak terlalu jauh. Tidak begitu cepat.
Realitas melukiskan gambaran yang kurang cerah
Upaya untuk menggunakan teknologi pengenalan gambar di telepon pintar tidak memenuhi janji mereka untuk memberikan wawasan terperinci dan tinjauan umum yang dapat ditindaklanjuti tentang pertanian dan rumah kaca.
Seperti yang disorot dalam baru-baru ini Artikel ilmiah Amerika , statistik yang digunakan untuk menyajikan seberapa baik analisis gambar bekerja seringkali menyesatkan. 'Tes berpasangan' yang paling umum, yang menguji kemampuan untuk membandingkan dua gambar dan menyatakan mana dari keduanya yang memiliki hama atau penyakit, memberikan persentase akurasi yang jauh lebih tinggi daripada analisis beberapa gambar, tanpa mengetahui apakah ada tanaman yang terkena hama atau penyakit.
Menggunakan hasil yang tidak akurat atau miring yang diperoleh dari AI sebagai dasar pengendalian pestisida dapat menyebabkan lebih banyak kerusakan daripada kebaikan, seperti yang diilustrasikan oleh isu positif palsu.
Mari kita bayangkan sistem pencitraan yang memberikan hasil positif palsu untuk penyakit busuk daun hanya lima persen dari waktu, angka yang sangat konservatif bahkan dengan klaim akurasi dari setiap aplikasi saat ini. Di ladang yang penuh dengan kutukan, ini tidak akan menimbulkan masalah, tapi sekarang mari kita ambil bidang yang tidak memiliki kejadian penyakit. Jika Anda mengambil 2, 000 gambar di bidang itu Anda akan mendapatkan 100 hasil positif!
Apakah petani bertindak atas hasil ini, atau memeriksa 100 lokasi "positif" untuk memeriksa apakah mereka benar-benar memiliki masalah ini? Kalikan ini dengan hama dan penyakit lain yang juga diperiksa oleh sistem analisis citra dan mungkin memiliki tingkat positif palsu yang lebih tinggi, dan Anda memiliki cara kerja mimpi buruk praktis. Semakin tinggi jumlah positif palsu, semakin banyak sumber daya yang diperlukan untuk melakukan verifikasi hasil secara independen—artinya semua keuntungan otomatisasi hilang.
Mesin versus manusia
Pendekatan ini juga perlu diletakkan dalam konteks. Studi yang membandingkan situasi di mana ada AI atau tidak ada teknologi crop scouting sama sekali tidak memberikan gambaran yang realistis, karena dalam beberapa kasus sudah ada sistemnya, yang membantu untuk merekam dan menganalisis data yang dikumpulkan oleh pramuka manusia.
Dalam penelitian kasus kanker payudara, karena tumor tidak terlihat oleh mata manusia, para dokter dan AI melihat gambar yang sama. Dalam pengaturan rumah kaca, Namun, analisis gambar jauh kurang efektif daripada perhatian manusia terhadap detail. Pramuka dapat menggerakkan kepala dan membalik daun untuk melihat masalah dari berbagai sudut dan dengan kaca pembesar
Meningkatkan keterampilan manusia dengan teknologi seluler – smartphone membuat orang lebih pintar
Peternakan dan rumah kaca masih membutuhkan orang untuk berjalan-jalan, buka kanopi tanaman, balik daun dan gunakan kaca pembesar jika diperlukan. Hal ini membutuhkan teknologi yang memungkinkan pramuka untuk melakukan pekerjaan mereka lebih akurat, lebih cepat dan hasil yang lebih baik.
Ponsel cerdas akan terus menjadi kunci—tetapi tidak terutama sebagai alat AI. Penggunaan aplikasi seluler yang lebih realistis dan terbukti adalah untuk pengumpulan dan pemetaan data. Alih-alih menggunakan ponsel cerdas untuk mengambil foto untuk dianalisis AI, manajer perlindungan tanaman harus memberdayakan pramuka untuk menggunakan keterampilan inspeksi mereka dan mencatat hasilnya saat mereka pergi.
Pelatihan memainkan peran penting. Identifikasi yang benar dan gerusan hama dan penyakit, pengetahuan menyeluruh tentang protokol pengambilan sampel dan teknik untuk mempercepat proses, semua diperlukan untuk menyelaraskan kinerja dan akurasi pramuka di seluruh peternakan. Ini adalah kunci untuk sukses.
AI dapat membantu memandu pramuka untuk mengidentifikasi hama atau penyakit yang tidak diketahui dengan benar, tetapi sebagian besar pramuka tanaman adalah tentang melacak distribusi serangkaian hama dan penyakit yang terkenal.
Teknologi pemetaan dan kepanduan digital memungkinkan manusia memperoleh wawasan baru
Jika kita menggabungkan data yang direkam oleh pramuka dengan informasi geografis, hasilnya membuat kumpulan data, menyediakan jejak audit yang jelas untuk opsi keterlacakan dan visualisasi data seperti peta digital, bagan dan grafik—dan bantuan tambahan lainnya untuk mengidentifikasi masalah dan pola yang unik dan berulang dengan mudah serta positif palsu apa pun.
Pemetaan digital adalah tempat teknologi pengintaian hama dan penyakit bertemu dengan keahlian manusia untuk mengoptimalkan hasil. Di Solusi Scarab, kita melihat ini setiap hari. Klien menggunakan solusi pemetaan dan pengintaian hama dan penyakit tanaman Scarab Precision untuk memberikan dasar yang kuat untuk menentukan hotspot infestasi, menentukan penggunaan pestisida yang tepat atau agen pengendalian hayati dan mengurangi kerugian tanaman melalui pengelolaan pertanian yang ditingkatkan.
Saat kumpulan data tumbuh, manajer perlindungan tanaman dalam beberapa kasus dapat membandingkan angka hama dan penyakit di wilayah mereka, menggunakan data anonim dari peternakan lain.
Belum waktunya AI untuk bersinar, tapi kita akan selalu membutuhkan sentuhan manusia
Sementara analisis gambar yang digerakkan oleh AI tetap menjadi topik pembicaraan di industri ini, teknologi memiliki jalan panjang sebelum dapat menghasilkan produk yang andal, kasus penggunaan yang akurat dan dapat ditindaklanjuti. Hari ini, pelacakan GPS, alat pengumpulan dan interpretasi data seluler adalah solusi teknologi yang paling efektif dan menguntungkan untuk pengelolaan hama dan penyakit tanaman.
Ketika hortikultura mengalami transformasi teknologi, kecerdasan buatan tidak boleh dilihat sebagai pengganti proses yang ada, tetapi sebagai perpanjangan dari kecerdasan manusia. Analisis gambar yang digerakkan oleh AI akan hadir dengan drone dan robot di beberapa pengaturan, tapi itu cerita untuk hari lain.
