Lebih dari 25 tahun yang lalu, sensor aliran massa yang dipasangkan dengan GPS akan selamanya mengubah cara petani memandang ladang mereka. Perkawinan memberi mereka kemampuan untuk menghubungkan biji-bijian yang dipanen ke area ladang dan mulai menghasilkan
peta hasil.
“Karena para petani menyadari betapa banyak variasi hasil yang benar-benar terjadi di ladang mereka, tiba-tiba pertanian presisi lepas landas, ” kata Scott Shearer, profesor, Universitas Negeri Ohio.
Tentang waktu yang sama, pengembangan produk berdasarkan minat untuk merasakan kesuburan tanah saat bepergian juga mendapatkan daya tarik.
“Produk pertama kami adalah pengukur pH tanah yang mengukur titik-titik di ladang di mana jagung kerdil dan stres, ” kata Mike Thurow, yang mendirikan Spectrum Technologies pada tahun 1987. “Selama bertahun-tahun, banyak yang berubah di industri ini.”
Hari ini, sensor – baik peralatan hidup maupun mati – mengukur berbagai atribut untuk membantu petani memaksimalkan hasil panen dengan sumber daya minimum. Di atas dan di bawah tanah, sensor dapat menentukan kapan lebih banyak downforce diperlukan, menentukan kapan tanaman haus, mendeteksi penyakit bahkan sebelum lesi muncul di daun, atau memandu bagaimana bahan kimia diterapkan.
“Sensor menawarkan lebih banyak mata di area kritis, ” kata Jesse Haecker, penanam global, penyemprotan, dan manajer bisnis aplikator nutrisi untuk John Deere. "Sebagai contoh, 300 sensor pada penyemprot self-propelled John Deere mengukur suhu, kecepatan angin, kecepatan tanah, tekanan semprot, mengalir, dan perubahan medan untuk mengarahkan aplikasi kimia dalam berbagai kondisi.”
Perasaan untuk Sensor
Pertanian berbasis sensor semakin penting. Memiliki kemampuan untuk secara tepat memantau variabilitas di lapangan dan membuat keputusan berdasarkan data mengubah cara petani mengelola operasi mereka.
“Keyakinan memiliki data untuk membuat keputusan adalah nilai yang sangat besar, ” kata John Gates, Wakil Presiden Produk, TanamanX. “Kami pada dasarnya dapat menambah pengalaman seorang petani sehingga ketika dia menghadapi situasi yang tidak biasa yang kurang familiar, dia memiliki kepercayaan, sumber informasi tanpa tebakan tentang cara menanganinya.”
Dengan strategi Internet of Things (IoT) mulai terbentuk, mesin dan intel lapangan yang berasal dari berbagai sensor berkembang pesat. Pertanyaan pertama yang diajukan Matt Darr seputar IoT adalah, “Apakah kita mencoba belajar tentang ilmu produksi tanaman atau mempengaruhi produksi tanaman dalam satu musim?
“Mampu memprediksi dan bereaksi di musim adalah proposisi nilai yang sama sekali berbeda daripada mampu menunjukkan mengapa hasil terjadi pada akhir tahun, ” kata profesor Universitas Negeri Iowa. “Produser telah memilih dengan buku cek mereka berulang-ulang. Mereka akan membayar untuk solusi berbasis hasil tetapi ragu-ragu untuk membayar solusi yang hanya memberikan pengetahuan tanpa tindakan.”
Haecker mengatakan pasti ada lebih banyak teknologi di pasar yang mengumpulkan data daripada yang memahami data. “Kita harus beralih dari ‘Sensor mengatakan ini’ menjadi ‘Tindakan apa yang harus saya ambil?’ ”
Keputusan seorang petani untuk mengadopsi, Gates mengatakan, sering kali bermuara pada bagaimana ia dapat menggunakan teknologi sebagai enabler untuk menjadi lebih menguntungkan. “Akan selalu ada alat yang menarik di pasar, tapi apa yang akan masuk ke dompet petani sekarang?” dia bertanya.
Ini adalah sesuatu yang Shearer yakini telah dihadapi oleh industri penginderaan tanah. “Area seperti sensor reflektansi inframerah dekat telah matang sehingga kami dapat mengukur kandungan bahan organik saat bepergian, " dia berkata. "Sayangnya, sampai saat ini kami belum mengalami lepas landas yang sama dalam mengukur tingkat nutrisi tanah.”
Darr berjuang dengan proposisi nilai sensor yang dipasang di lapangan untuk keputusan manajemen. “Mereka memiliki masalah skalabilitas yang bersaing untuk mendapatkan resolusi pengambilan sampel yang penting sementara juga memerangi masalah nyata dengan logistik seputar penempatan dan fisika yang terkait dengan kebutuhan daya dalam tanaman tegakan.”
Inovasi seperti probe nirkabel Teralytic, Shearer mengatakan, mungkin membalikkan itu. 26 sensornya memberikan data kualitas tanah yang terperinci, termasuk kelembaban tanah, salinitas, dan NPK pada tiga kedalaman yang berbeda, serta aerasi, pernafasan, suhu udara, lampu, dan kelembaban. "Lembur, Saya pikir ini akan memberi petani perkiraan yang baik tentang tingkat nutrisi di tanah mereka, " dia berkata.
Lompatan terbesar ke depan akan terjadi di bawah tanah, kata Tomer Tzach, CEO CropX. “Masih banyak yang harus dipelajari tentang faktor-faktor yang berkontribusi terhadap kesehatan tanah, " dia berkata, menambahkan dia juga merasakan skalabilitas itu, serta biaya, adalah masalah.
Permainan akhir, Darr percaya, adalah solusi yang dipasang di mesin yang menangkap dan bereaksi terhadap data secara real time.
“Ini membuat walk-up data yang dapat ditindaklanjuti siap untuk produsen dan lebih mudah untuk diterapkan, " dia berkata, menambahkan bahwa saat penginderaan berbasis mesin
lebih sulit daripada alternatif, pada akhirnya memberikan lebih banyak peluang nilai untuk secara langsung mempengaruhi keuangan pertanian pada tahun tertentu.
Jangka pendek, Wade Stewart dari Trimble menduga adopsi terbesar yang akan kita lihat adalah penyesuaian waktu nyata. Beberapa contohnya adalah kemampuan untuk menyesuaikan kedalaman tanam Anda saat bepergian berdasarkan kelembaban yang tersedia, memiliki cara untuk mengubah pengolahan tanah secara dinamis berdasarkan pemadatan, dan mampu mengubah sudut disk Anda berdasarkan jumlah residu.
“Ini adalah praktik yang benar-benar membuat operasi lebih baik, tapi mereka selesai di belakang layar, ” kata manajer pasar divisi ag.
Sensor di Tempat Kerja
Informasi yang dikumpulkan Brandon Hunt di seluruh pertanian Kentucky baratnya tidak hanya membantu mengidentifikasi efisiensi yang mengarah pada produktivitas dan profitabilitas yang lebih tinggi, tetapi juga menurunkan biaya input dan mengoptimalkan penggunaan pupuk. “Saya tahu teknologi akan membuat kita lebih baik, tetapi percakapan menjadi jauh lebih mudah ketika terintegrasi di dalam sistem kami yang ada.”
Dia juga melakukan banyak "tes asap" untuk mengevaluasi suatu teknologi sebelum dia terjun ke dalamnya. Sebagai contoh, dia menghabiskan lima tahun menguji Trimble's GreenSeeker pada gandum. Mulai dari beberapa hektar, Hunt menambahkan lebih banyak hektar hanya setelah teknologinya divalidasi. (Lihat “Mengindra di Seluruh Lahan” untuk mempelajari cara Hunt memanfaatkan sensor lain.)
“Ini tentang membuktikan bahwa teknologi membuat operator seefisien mungkin, dan setiap dolar yang diinvestasikan dalam operasi dimaksimalkan, ” kata Stewart. “Itu tidak akan pernah berubah.”
Memahami pengembalian investasi untuk sensor yang mencoba mendapatkan informasi tentang tanaman dapat menjadi sulit dipahami, kata Darr. “Dalam perlindungan tanaman, kita harus menghasilkan ROI yang menghasilkan keuntungan hasil yang cukup untuk mengatasi biaya produk dan aplikasi.”
Solusi IoT untuk mengidentifikasi gulma, serangga, dan masalah penyakit tidak hanya harus cukup akurat untuk mendeteksi wabah, tetapi juga cukup spesifik untuk memprediksi apakah pengobatan akan menghasilkan ROI positif. “Di banyak area, kami hanya kekurangan keahlian agronomi dasar untuk secara tepat mengidentifikasi titik putus antara tekanan hama dan jaminan ROI positif jika ditangani, ” kata Darr.
Kami juga harus mencapai titik di mana kami dapat mengeksekusi secara berulang, Shearer mengatakan. “Satu-satunya kartu liar adalah cuaca. Jika saya tahu bagaimana cuacanya nanti, itu akan membuatnya jauh lebih mudah untuk mengelola nitrogen.”
Itu juga mengapa stasiun cuaca on-farm telah menjadi alat penting.
“Ini benar-benar memberdayakan petani, Kata Thurow. “Kami melihat kejadian hujan yang lebih intens, dan badai petir bisa menjadi pengubah permainan. Stasiun cuaca di pertanian memberinya perspektif berbeda tentang apa yang diberikan oleh Alam dan bagaimana dia dapat mengubah rencananya. ”
Menghubungkan Titik-titik
Seiring dengan perkembangan teknologi sensor, tidak mungkin satu pengukuran dapat menjawab semua pertanyaan yang mungkin dimiliki petani. “Kekuatan datang dari menggabungkan informasi dengan cara baru, ” kata Gates.
Untuk mencapai itu, konektivitas adalah kuncinya.
“Ketika harus menghubungkan semua informasi ini melalui internet masa depan, industri kami memiliki tantangan besar di depannya, Kata Haeker. “Sensor yang ada di peralatan atau di luar kapal, kemampuan pemrosesan, dan infrastruktur cloud … ada banyak hal yang harus disatukan.”
Merasakan di seluruh hektar
Penanam:DeltaForce
Penanam Brandon Hunt (Kasus IH 2140, Kasus IH 2150, dan Kinze 3660) dilengkapi dengan teknologi Precision Planting. Sementara data dari pekebun memberi tahu dia seberapa baik kinerja masing-masing, Hunt mengambil yang terbaik dari DeltaForce. Sistem downforce mengontrol dan menyesuaikan tekanan secara instan berdasarkan perubahan kondisi tanah. Ini memberikan kedalaman tanam yang tepat setiap saat terlepas dari kondisi lapangan.
Penanam:TrueTracker
Karena perbukitan dan lereng samping yang harus dihadapi Brandon Hunt di Kentucky barat, tetap pada garis pedomannya saat menanam jagung di strip bisa
sebuah tantangan.
Kesalahan berikut pada alat dapat lima hingga 10 kali kesalahan panduan traktor, menurut Scott Shearer, profesor, Universitas Negeri Ohio. “Tergantung operasinya, alat itu bisa sedikit berkeliaran dari sisi ke sisi, " dia berkata.
Dengan menggunakan TMX-2050 TrueTracker, halangan yang dapat dikendalikan aktif, dan CenterPoint RTX, Hunt dapat berulang kali memposisikan penanam dalam jarak 1 inci setiap saat.
“Kami melakukan segala yang kami bisa untuk menjaga penanam itu di tengah strip 100% sepanjang waktu, " dia berkata.
Namun, Catatan gunting, menerapkan sistem bimbingan sebenarnya belum menjadi andalan di ag terutama karena biaya.
Stasiun Cuaca:WatchDog 2900ET
Stasiun cuaca WatchDog 2900ET memasukkan data langsung ke platform kontrol irigasi Hunt Farms.
Pivot Tengah:AquaSpy
Brandon Hunt telah menggunakan sensor berbasis watermark dan kapasitansi untuk mengukur kelembaban tanah di areal irigasinya. Berbeda dengan sensor tanda air, yang mengukur kelembaban tanah di satu lokasi, sensor berbasis kapasitansi mengukur kelembaban tanah dan suhu tanah setiap 4 inci di sepanjang probe.
“Sementara sensor tanda air, yang ditempatkan pada 12, 24, dan 36 inci, bekerja dengan baik, Saya mencari sesuatu yang berbeda, " dia berkata.
Beberapa tahun yang lalu Hunt mulai menggunakan probe AquaSpy pada 13 poros tengah. AquaSpy adalah probe 48 inci yang dilengkapi dengan sensor setiap 4 inci yang mengevaluasi kelembapan, nutrisi, dan suhu. Probe mengirimkan data real-time ke Hunt, yang dapat dia akses melalui smartphone, tablet, atau laptop.
“Ada beberapa hal yang saya pikir kami kumpulkan lebih baik dengan menggunakan AquaSpy, "Kata Hunt. "Pertama, Saya bisa melihat kedalaman akar saat tumbuh sepanjang musim karena sensor berbasis kapasitansi melihat di mana akar menyerap kelembaban. Saya tahu apakah akarnya dangkal atau jauh di dalam tanah seperti seharusnya.”
Kedua, data real-time sangat mudah. “Saya tidak perlu melakukan banyak penggalian atau interpolasi, "Kata Hunt. “Karena informasinya mudah dipahami, Saya dapat membuat keputusan yang lebih tepat waktu tentang kapan harus mengairi berdasarkan apa yang saya tunjukkan.”
Gabungkan:Data Hasil
"Kami telah mengumpulkan data hasil untuk waktu yang lama. Ini masih merupakan informasi yang cukup kuat karena ini adalah unit ukuran kami saat panen, Kata Brandon Hunt. “Data hasil yang baik mengukur semua hal yang kami lakukan.”
Data hasil panen adalah lapisan informasi lain yang membantu menentukan hibrida mana yang akan ditanam pada musim berikutnya. Ini juga membantu Hunt mengevaluasi keuntungan yang dibuat dalam strip-till dan memverifikasi seberapa baik dia mengelola probe kelembaban dan 13 poros tengahnya.
Pemosisian yang Tepat
Saat Brandon Hunt bekerja untuk meningkatkan profitabilitas, strip-till telah menjadi solusi yang tepat. Selain mengoptimalkan hasil, praktik ini menurunkan biaya bahan bakar dan tenaga kerja. Ada juga keuntungan agronomi.
Strip-till memungkinkan petani Kentucky menempatkan nutrisi tepat di tempat yang mereka butuhkan. Itu membuat sisa tanaman di tempat di sebagian besar tanah,
yang mengurangi erosi dan meningkatkan infiltrasi air. Lebih banyak bahan organik yang diawetkan, dan karbon dioksida tetap berada di dalam tanah.
“Peresapan air sangat penting dalam menanam jagung, kata Hunt, yang juga menanam kedelai dan gandum. “Di mana pun kami tidak memiliki kapasitas menahan air karena tanah lapisan atas yang dangkal, strip-till telah memungkinkan saya untuk membuat yang lebih besar
tangki bensin."
Latihan ini juga membutuhkan tingkat akurasi dan pengulangan yang tinggi.
“Salah satu tujuan strip-till adalah menciptakan persemaian yang berkualitas. Diinginkan untuk menempatkan benih di sepanjang bagian tengah bedengan untuk memaksimalkan potensi hasil, ” kata John Fulton, profesor, Universitas Negeri Ohio. “Penelitian menunjukkan bahwa benih yang ditempatkan di tepi strip atau di luar strip mengurangi hasil panen. Jadi, penting untuk menggunakan jalur AB yang sama dan layanan koreksi GNSS dengan akurasi tinggi.”
Memadukan RTK dan RTX
Hunt Farms mulai menggunakan RTK dan memasang stasiun pangkalan pada tahun 2003 ketika beralih ke kemudi otomatis. Hari ini, akurasi sub-inci memastikan hasil hingga mesin strip-hingga HDC dan penanamnya disejajarkan dengan tepat, jadi benih ditempatkan di tengah strip.
Sementara RTK telah membuktikan nilainya, Perburuan baru-baru ini mulai mengalami
kehilangan sinyal di beberapa bagian operasinya. Untuk mengimbangi masalah, dia berlangganan CenterPoint RTX Trimble. Hari ini, dia menggunakan keduanya.
“Dengan layanan koreksi yang dikirimkan melalui satelit, Anda mendapatkan akurasi sub-inci dalam waktu kurang dari dua menit, ” kata Michael Bruno, manajer program saluran, Trimble.
Saat Hunt bekerja menuju pupuk pita di strip, akurasi yang dapat diandalkan bahkan lebih penting. “Ada penalti hasil tergantung di mana baris itu ditanam mengacu pada di mana pusat pita kesuburan berada, " dia menjelaskan.
Pemosisian yang tepat adalah landasan ag presisi. Tapi seberapa akurat cukup akurat?
“Ini benar-benar tergantung pada persepsi operator. Tergantung pada operasi yang Anda lakukan, kami memiliki rekomendasi tentang seberapa akurat Anda seharusnya, ” kata Bruno. “Bertani adalah tentang margin. Apa yang tampak seperti peningkatan kecil dalam akurasi benar-benar dapat berdampak pada intinya.”
Sebagai contoh, jika Anda menggabungkan gandum dan bilah pemotong 6 inci tidak memotong hasil panen, itu bukan masalah besar dalam sekali jalan. Jika Anda membuat 100 operan selama lima musim, itu bertambah.
"Lembur, limbah itu akan memiliki lebih dari kompensasi untuk biaya akurasi yang lebih tinggi sambil membuat operasi lebih efisien. Anda dapat menerapkan contoh yang sama pada penyemprot, aplikasi pupuk, atau bagian dari peralatan pengolahan tanah. Pengolahan tanah mungkin adalah yang terbesar, terutama jika Anda berlatih sampai konvensional, ” kata Bruno. “Ketika petani mencoba layanan yang lebih akurat, kecil kemungkinannya mereka akan mundur ke rantai akurasi. Akurasi membuat ketagihan.”
Akhirnya, jika Anda ingin melakukan manajemen yang lebih intensif, di situlah akurasi yang lebih tinggi akan membuahkan hasil.
“Tujuannya adalah agar setiap petani mendapatkan solusi yang paling sesuai dengan operasi dan anggarannya, ” kata Wade Stewart, manajer pasar, divisi ag, Trimble.
Merevolusi Manajemen Pabrik
Sensor berbasis gambar dengan kecerdasan buatan di belakangnya adalah konsep yang diyakini Scott Shearer dapat merevolusi cara petani mengelola tanaman mereka. See &Spray adalah tanda pertama dari aplikasi nyata di bidang pertanian, kata profesor Universitas Negeri Ohio.
Dikembangkan oleh Teknologi Blue River, See &Spray menyatukan kamera, komputer, dan kecerdasan buatan untuk mengenali setiap tanaman dan menentukan perawatan yang tepat untuk masing-masing, terus belajar sambil berjalan. Dengan akurasi yang tepat, nozel robot menargetkan tanaman yang tidak diinginkan secara real time saat penyemprot melewati lapangan, menerapkan herbisida sambil menghindari tanaman atau daerah tanpa gulma.
Diakuisisi oleh John Deere pada tahun 2017, teknologi saat ini mengidentifikasi perbedaan antara tanaman kapas dan gulma dari banyak spesies dan ukuran. Ini juga telah diuji pada kedelai.
Deere menginginkan serangkaian contoh yang luas agar kecerdasan buatan dapat mempelajari seperti apa rupa gulma dan seperti apa bentuknya, jadi See &Spray saat ini sedang diuji di Midwest serta bagian lain dunia pada tanaman tambahan. Kecerdasan yang kaya ini akan mempercepat penyebaran ke beberapa pasar, kata Julian Sanchez, Direktur, teknologi baru, John Deere.
“Sebuah sistem yang bisa sangat selektif dan hanya mengenai area yang benar-benar membutuhkannya dapat menghasilkan penghematan 50% hingga 60% pada bahan kimia saja, ” kata Sanchez. “Begitu kita sampai di tempat yang bisa kita lakukan setelah kemunculannya, kita akan melihat penghematan 90%.”
“Jika Anda melihat nilai tanaman rekayasa genetika, itu dalam resistensi herbisida, Kata Shearer. “Jika John Deere berhasil menerapkan teknologi dalam skala besar, 50% dari nilai tanaman rekayasa genetika mungkin menguap. Itu pengubah permainan.”
Setelah terbukti, Shearer percaya John Deere akan memindahkan teknologi ke bidang-bidang seperti kekurangan nutrisi dan deteksi penyakit.
