Silo lebih dari sekadar tempat untuk menyimpan biji-bijian di Peternakan Paulman. Mereka juga mewakili kantong hasil yang terisolasi, kelembaban, mesin, dan data nutrisi yang dapat membantu Sutherland, Nebraska, operasi mendapatkan hasil maksimal dari hampir 10, 000 hektar yang dicakupnya.
Roric Paulman mengandalkan 40 aplikasi berbeda untuk mengontrol dan memantau 14 lahan kering dan tanaman beririgasi yang ditanam di lahan tersebut. Perangkat lunak ini menghasilkan satu terabyte data khusus situs setiap bulan, yang setara dengan 75 juta halaman informasi.
Informasi itu adalah kunci untuk membantunya membuat keputusan manajemen yang baik. Masalahnya adalah, tidak ada yang menciptakan sistem yang dengan mudah menghubungkan titik-titik untuk memberikan wawasan yang lebih baik kepada Paulman. Juga, jika dia tidak dapat mengakses informasi dari ponsel cerdasnya, dia tidak tertarik. “Aplikasi dan informasi yang dikumpulkan tidak lagi berguna, ” kata Paulman, yang bertani dengan istri Deb dan putra Zachary.
Menciptakan solusi
Perusahaan dengan sejarah panjang di bidang pertanian telah berupaya membangun sistem yang mudah digunakan yang memproses dan mengintegrasikan data dengan mulus dari berbagai aplikasi. Belum, berbagi data dan interoperabilitas masih tidak mudah atau mulus.
Perusahaan-perusahaan ini juga menghadapi masalah mereka sendiri:Bagaimana mereka berkolaborasi dengan orang lain untuk mengembangkan solusi namun tetap kompetitif? Saat pemain pertanian yang ada bekerja pada resolusi, orang luar seperti IBM muncul dengan pendekatan mereka sendiri.
Diluncurkan pada tahun 2018, Platform Keputusan Watson untuk Pertanian memanfaatkan kekuatan kecerdasan buatan (AI) untuk menganalisis silo data dan kemudian menghasilkan wawasan berbasis bukti. Watson memulai dengan membuat representasi digital dari sebuah bidang. Catatan lapangan elektronik (EFR) ini mencakup tanah, peralatan, praktik pertanian dan alur kerja, dan data citra. Itu juga dapat menerima data cuaca dari The Weather Company.
Menerapkan AI, pembelajaran mesin, dan analitik lanjutan ke EFR, platform menyoroti faktor-faktor utama yang mungkin mempengaruhi hasil panen seperti suhu tanah, tingkat kelembaban, stres tanaman, hama, dan penyakit. Akhirnya, setiap EFR menjadi kembaran digital dari semua yang terjadi di 113 bidang Paulman. Dasbor terpadu memungkinkan dia dengan mudah melihat dan memantau data serta menerima peringatan ketika elemen penting seperti cuaca dapat memengaruhi panen.
Kesulitan dengan banyak keputusan yang Paulman coba buat adalah bahwa keputusan itu didasarkan secara biologis. “Mereka hampir selalu dipengaruhi oleh cuaca yang belum kita ketahui. Memiliki kemampuan untuk meramalkan kondisi harus menjadi bagian integral dari setiap platform keputusan, ” kata Kenneth Sudduth, penelitian insinyur pertanian di USDA-ARS.
Tambahan, proses harus otomatis dari awal sampai akhir. Teknologi seperti panduan otomatis, penutup, dan kontrol ketinggian boom – sistem yang hanya memiliki sedikit atau tanpa kontrol langsung dari manusia – mendapatkan adopsi yang cukup cepat karena meningkatkan alur kerja tanpa memerlukan interaksi operator.
Hari ini, terlalu banyak aplikasi mengharuskan petani untuk memasukkan informasi berulang-ulang. “Setiap kali petani melakukan entry, ada kemungkinan mereka akan melakukannya dengan benar, tetapi ada juga kemungkinan mereka akan salah, ” kata Michael Gomes, VP pengembangan bisnis IoT, Pertanian Topcon.
Lebih sering daripada tidak, varietas yang paling umum ditanam diberi label "satu" karena jendela untuk mendapatkan benih itu di tanah terus menyusut.
Ini adalah proses yang menyakitkan, dan petani sudah bosan.
Jika petani dapat memilih dari daftar pilihan, Gomes mengatakan, risiko mereka untuk melakukan kesalahan jauh lebih rendah daripada harus meninju huruf demi huruf atau memastikan mereka menyebutnya hal yang persis sama setiap saat.
“Hanya sekitar 8% dari data yang dikumpulkan yang benar-benar dapat digunakan, ” kata John Fulton, profesor di Ohio State University.
kekuatan ai
Untuk membuat analisis lebih baik, kumpulan data yang jauh lebih bersih diperlukan, dan banyak yang percaya AI dapat membawa produsen ke sana. Menerapkannya ke data memberi Paulman banyak sekali kemampuan baru.
Dari udara, dia dapat menggunakan drone untuk menangkap ladang jagung dan menggunakan pengenalan visual AI untuk mengidentifikasi penyakit tanaman atau serangan hama. Dari tanah, tanaman dapat difoto dari dekat, sehingga Paulman dapat bereaksi secara real time.
“Menyederhanakan proses juga memungkinkan ahli agronomi – yang saat ini menghabiskan 80% waktunya untuk mengumpulkan dan menganalisis data petani – untuk membuat keputusan dengan lebih percaya diri, ” kata Kristen Lauria, manajer umum Watson Media dan Solusi Cuaca.
Dengan menyusun dan mengkurasi data, Paulman juga dapat mengidentifikasi praktik terbaik untuk areal irigasinya. Dengan alokasi tahunan 13 inci air untuk tanaman jagung yang membutuhkan sekitar 22 inci air, dia harus memastikan setiap tetes digunakan dengan bijak. Itu berarti mengandalkan teknologi yang memahami bahwa dia memiliki beberapa tanah yang membutuhkan 2 inci air per jam dan yang lain membutuhkan inci per jam.
Karena harga selalu berfluktuasi, Watson juga menawarkan alat yang mengumpulkan data harga dalam jumlah besar – dari elevator biji-bijian lokal hingga pasar berjangka – dan merekomendasikan waktu terbaik untuk menjual guna memaksimalkan keuntungan. Ini adalah jenis pengumpulan dan analisis data yang tidak mungkin dilakukan tanpa AI dan analitik.
membangun database
Semakin banyak data yang masuk, platform keputusan menjadi solusi yang lebih kuat. Itulah peringatannya. Agar AI menjadi efektif, itu membutuhkan database besar untuk diambil. Petani tidak hanya harus mengizinkan orang lain mengakses informasi mereka, tetapi juga perlu berbagi data untuk memanfaatkan alat digital.
“Meskipun kita berbicara tentang memiliki begitu banyak data, dalam banyak kasus, itu sangat terlokalisasi. Hampir seolah-olah kita memiliki terlalu banyak data, namun tidak cukup data pada saat yang bersamaan, kata Sudduth.
Kunci, Gomes mengatakan, adalah untuk mendapatkan data yang benar yang diterima petani, sehingga mereka kemudian dapat mengambil tindakan dengan percaya diri.
Jadi bagaimana Anda membuat petani nyaman dengan berbagi data mereka? Billy Tiller menyatakan bahwa itu harus menjadi inisiatif yang dipimpin oleh produser.
Didirikan pada tahun 2012, Grower Information Services Cooperative (GiSC) adalah koperasi data milik petani yang menyediakan penyimpanan cloud yang aman bagi anggota petaninya. Berkantor pusat di Lubbock, Texas, platform perusahaan mengumpulkan dan mengelola beberapa lapisan agronomi dan data hasil di berbagai tanaman termasuk jagung, kedelai, gandum, dan sorgum.
“Sudah saatnya petani memiliki pilihan yang dibangun di atas motif objektif, bukan dengan alasan untuk membeli produk lain, ” kata Tiller, yang merupakan pendiri dan CEO GiSC.
IBM juga sangat percaya pada kerjasama data. Dengan membangun ribuan pengalaman petani ke dalam kumpulan data, Paulman bisa mengerti, Misalnya, apa yang umum di antara semua petani jagung di Nebraska yang mendorong hasil 20% di atas rata-rata dibandingkan dengan mereka yang memiliki hasil 20% di bawah rata-rata. Karena dia melihat operasinya dari perspektif yang berbeda, dia dapat mengevaluasi praktik mana yang benar-benar mendorong hasil yang lebih baik dan mana yang tidak berkontribusi.
“Daripada hanya mengandalkan data dari peternakan mereka sendiri dari tahun ke tahun, petani juga bisa saling belajar "Ucap Laura.
Akses dan berbagi adalah komponen kunci dari infrastruktur, karena nilai dari analitik akan datang dari perusahaan yang berbeda, kata Fulton.
Skeptis tentang perusahaan dengan kepentingan dalam datanya, Watson juga menawarkan kebebasan yang dicari Paulman. “IBM tidak mencoba menjual lebih banyak pupuk atau mesin kepada saya, " dia berkata. "Ini adalah hal kepercayaan."
Bergerak kedepan
Infrastruktur adalah komponen terbesar dalam membuat ag digital menjadi kisah sukses. Menurut AgGateway, 84% petani dan mitra bisnis tepercaya mereka mengatakan bahwa mereka merasa cukup atau sangat sulit untuk mengumpulkan dan menganalisis data yang berasal dari ladang pertanian.
Didirikan pada tahun 2005, Ag Gateway telah mengurangi gesekan interoperabilitas. Proyek Standardized Precision Ag Data Exchange (SPADE) telah menghasilkan Ag Data Application Toolkit (ADAPT), yang memungkinkan aplikasi perangkat lunak dan sistem perangkat keras yang berbeda untuk bertukar informasi dengan lancar – dengan adopsi luas sebagai tujuan akhir. Hingga saat ini, 26 perusahaan telah berkomitmen untuk ADAPT dengan mengembangkan plug-in untuk format file mereka atau mengintegrasikan dukungan ADAPT ke dalam sistem perangkat lunak mereka.
“Kami menggunakan teknologi di mana pun dan semampu kami, karena kita harus menjadi lebih baik dalam apa yang kita lakukan untuk generasi mendatang, ” kata Paulman. “Wawasan dari data membantu kami melakukan itu.”
Sampai ada satu sistem yang menstandarisasi dan menghubungkan seluruh ekosistem, silo akan tetap ada, dan nilai data akan terus dibatasi untuk Peternakan Paulman.
Mengembangkan Strategi Digital
Sebelum petani dapat memperoleh nilai dari data mereka, mereka harus membuat yayasan. John Fulton, Universitas Negeri Ohio, menyarankan petani untuk mempertimbangkan tujuh poin di bawah ini ketika mengembangkan strategi digital.
1. Identifikasi teknologi yang Anda gunakan serta data yang dihasilkan dari teknologi tersebut.
2. Atur data Anda yang tersimpan (mis., tahun, tanaman, tanah pertanian, bidang).
3. Simpan salinan asli data Anda baik di dalam maupun di luar peternakan sehingga ada cadangan.
4. Pastikan data dapat diakses dari lokasi mana pun dan informasi offline diperbarui setelah koneksi tersambung kembali.
5. Kumpulkan data yang lengkap dan berkualitas sehingga Anda dapat melakukan analisis yang diinginkan.
6. Lindungi data dengan kata sandi yang aman.
7. Tentukan strategi untuk berbagi file, yang mencakup format yang mudah disalin baik di dalam maupun di luar pertanian. Jangan berbagi informasi tanpa izin.
