AI in Agriculture – Breakthrough in 2025

คุณทราบหรือไม่ว่าความก้าวหน้าล่าสุดของปัญญาประดิษฐ์ (AI) ได้นำอะไรมาสู่ภาคการเกษตรในปี 2025? AI กำลังปฏิวัติภาคการเกษตร โดยจัดการกับความท้าทายต่างๆ เช่น ความมั่นคงทางอาหาร การเปลี่ยนแปลงสภาพภูมิอากาศ และการทำฟาร์มแบบยั่งยืน ด้วยนวัตกรรมในการทำฟาร์มแบบแม่นยำ การชลประทานอัจฉริยะ และเครื่องจักรกลอัตโนมัติ เกษตรกรในปัจจุบันมีเครื่องมือที่ช่วยเพิ่มผลผลิต ลดของเสีย และอนุรักษ์ทรัพยากร ความก้าวหน้านี้ไม่เพียงแต่เปลี่ยนวิธีการปลูกอาหารเท่านั้น แต่ยังกำหนดอนาคตของการเกษตรที่ชาญฉลาด เป็นมิตรต่อสิ่งแวดล้อม และยืดหยุ่นมากขึ้น.

มื่อเราปิดฉากสุดท้ายของปี 2024 เรามาใช้เวลาสักครู่เพื่อทบทวนความสำเร็จที่เกิดขึ้นในปีนี้ และสำรวจแรงบันดาลใจใหม่ๆ สำหรับปีหน้า ซึ่งเต็มไปด้วยการค้นพบใหม่ๆ แนวคิดที่ก้าวล้ำ และการเรียนรู้อย่างต่อเนื่อง

AI สำหรับดิน

อย่างไรก็ตาม ความก้าวหน้าของ AI ในวิทยาศาสตร์ดินมีความสำคัญ แต่ดินยังคงเต็มไปด้วยโอกาสที่ยังไม่ได้ใช้สำหรับการใช้งาน AI (เช่น การบำบัดทางชีวภาพ) นอกจากนี้ เนื่องจากความซับซ้อนของจุลินทรีย์ในดิน เราจะไม่เปิดเผยความลับทั้งหมดในปีหน้า ต้องใช้เวลาอย่างน้อยหนึ่งทศวรรษ เมื่อพิจารณาจากความสามารถในปัจจุบันของ AI

ปฏิสัมพันธ์ระหว่างจุลินทรีย์ในดินและพืช ที่มา: Jansson et al., 2023 รูปภาพเผยแพร่โดย Aspen Global Change Institute

แผนภาพ Ternary ของ biomarkers หลัก *แผนภาพ Ternary ของ biomarkers หลัก แผนภาพ Ternary ของ biomarkers หลัก (ซ้าย: prokaryotes, ขวา: fungi) ที่เกี่ยวข้องกับแหล่งความอุดมสมบูรณ์ต่างๆ สีแสดงถึงไฟลัมหรือไฟลัม/วงศ์ของ biomarkers และขนาดสัญลักษณ์แสดงถึงการมีส่วนร่วมในการระบุแหล่งความอุดมสมบูรณ์ ที่มา: Mo et al., 2024

AI สำหรับสุขภาพพืช

เราได้หารือเกี่ยวกับการประยุกต์ใช้ AI เพื่อแก้ไขปัญหาการปลูกพืชเชิงเดี่ยวและการตรวจสอบโดยใช้กล้องทั่วไป (2D -> 3D) รวมถึงดนตรีเพื่อเพิ่มผลผลิตพืช! เราได้พูดคุยเกี่ยวกับการตรวจสอบสุขภาพพืชและการทำนายผลผลิต รวมถึงตัวอย่างที่เกี่ยวข้องกับข้าวฟ่าง องุ่น แก้วมังกร กัญชา กระเจี๊ยบ หัวหอม และการจำแนกฟีโนไทป์ของพริกในสภาพแวดล้อมต่างๆ

*แผนภาพ Ternary ของ biomarkers หลัก*แผนภาพ Ternary ของ biomarkers หลัก แผนภาพ Ternary ของ biomarkers หลัก (ซ้าย: prokaryotes, ขวา: fungi) ที่เกี่ยวข้องกับแหล่งความอุดมสมบูรณ์ต่างๆ สีแสดงถึงไฟลัมหรือไฟลัม/วงศ์ของ biomarkers และขนาดสัญลักษณ์แสดงถึงการมีส่วนร่วมในการระบุแหล่งความอุดมสมบูรณ์ ที่มา: Mo et al., 2024

การแบ่งส่วนช่อดอกข้าวฟ่าง การทำนายดำเนินการโดยแบบจำลองที่ฝึกโดยใช้เฟรมเวิร์ก Detectron2 และ Yolov8 บนภาพข้าวฟ่าง ที่มา: Santiago et al., 2024

การจำแนกความสุกของผลแก้วมังกร (a) ตูม (b) ยังไม่แก่ (c) กึ่งแก่ (d) แก่ ที่มา: Qui et al., 2024

ระบบ DJI Matrice 600 Pro แบบหลายใบพัดติดตั้งเซ็นเซอร์ MicaSense RedEdge-MX (a) และแผงสะท้อนแสง MicaSense Calibration หมายเลขซีเรียล: RP04-1918107-OB (b) ที่มา: Nduku et al., 2024

เราใช้พวกมันค่อนข้างมากในส่วนที่เกี่ยวข้องกับ:

• การตรวจสอบความหนาแน่นของการปลูกข้าวโพด
• การจำแนกฟีโนไทป์ของอ้อย
• การทำนายความสูงของข้าวสาลี
• การใส่ปุ๋ยผักโขม
• การตรวจจับตาดอกฝ้าย
• การตรวจจับผลแอปเปิ้ล

นอกจากนี้ เราได้พูดถึงหัวข้อการตรวจจับวัชพืชสำหรับพืชคาโนลา (เรพซีด)

ตัวอย่างแผนภาพของผลการตรวจจับแบบจำลอง Bud-YOLO ที่มา: Zhang & Chen, 2024

การเปรียบเทียบการจดจำแอปเปิ้ลที่ทับซ้อนกันโดยใช้อัลกอริทึม NMS และ Soft-NMS ที่มา: Ji et al., 2024

นอกจากนี้ (ไม่ใช่เกี่ยวกับโดรน แต่เกี่ยวกับแอปเปิ้ล) – ข่าวเพิ่มเติมกำลังจะมาเร็ว ๆ นี้ตามโพสต์นี้:

AI สำหรับการปรับปรุงพันธุ์พืช

การปรับปรุงพันธุ์แบบเร่ง (Speed Breeding) กำลังได้รับแรงผลักดันเนื่องจากความต้องการพันธุ์ที่ทนต่อสภาพอากาศและให้ผลผลิตสูงเพิ่มขึ้นอย่างรวดเร็ว รวมถึงการปรับปรุงพันธุ์ถั่วลิสง แครอท หัวบีทน้ำตาล ข้าวบาร์เลย์มอลต์

การเสริมชีวภาพ (Biofortification) กำลังเปลี่ยนพืชหลักให้เป็นแหล่งพลังงานทางโภชนาการ ตัวอย่าง: ข้าวสีทองและผักกาดหอมสีทอง โรงงานพืชแนวดิ่งกำลังเป็นที่นิยมในฐานะโซลูชันที่ดีที่สุดสำหรับการผลิตอาหารในเมือง (รวม AI + หุ่นยนต์ + ไฮโดรโปนิกส์) ตัวอย่าง: AI สำหรับการปรับปรุงพันธุ์ข้าว รวมถึงการปรับปรุงพันธุ์สำหรับการทำฟาร์มแนวดิ่งในร่ม

ระบบการปรับปรุงพันธุ์แบบเร่ง PF สำหรับเมล็ดข้าว ที่มา: Liu et al., 2024

สรุปการประยุกต์ใช้วิธีการ multi omics ในข้าวบาร์เลย์มอลต์ ที่มา: Panahi et al., 2024

AI สำหรับการตรวจจับศัตรูพืช

การตรวจจับศัตรูพืชอัจฉริยะได้รับการพิสูจน์แล้วว่าเป็นเครื่องมือสำคัญในการเกษตร ตั้งแต่มะเขือเทศที่ปลูกแบบไฮโดรโปนิกส์ การตรวจจับแมลงวันผลไม้เมล่อน ไปจนถึงการตรวจจับเพลี้ยไฟในสวนมะม่วง และการระบุด้วงเปลือกไม้ในป่าไม้

อุปกรณ์ดักจับและตรวจจับ (a) อุปกรณ์ดักจับและตรวจจับกลางแจ้ง (b) วิธีการใช้สารดึงดูด ที่มา: Wei & Zhan, 2024

ในระบบไฮโดรโปนิกส์ ระบบ AI สามารถระบุสัญญาณเริ่มต้นของการระบาดของศัตรูพืชผ่านการตรวจสอบกับดักศัตรูพืชแบบเรียลไทม์ ทำให้มั่นใจได้ว่าจะมีการแทรกแซงทันเวลาเพื่อปกป้องสภาพแวดล้อมที่ละเอียดอ่อน

ข่าวดีเพิ่มเติมเกี่ยวกับการตรวจสอบกับดักศัตรูพืชที่ขับเคลื่อนด้วย AI ด้วยกล้องอัตโนมัติกำลังจะมาเร็ว ๆ นี้ ข้อมูลเชิงลึกโดยย่อมีให้ด้านล่าง

AI สำหรับการตรวจจับโรค

หัวข้อใหญ่ที่คู่ควรกับหนังสือ AI สำหรับการตรวจจับโรคในพืชเป็นเรื่องเกี่ยวกับการจดจำภาพขั้นสูงและการวิเคราะห์ข้อมูล เราได้สำรวจการประยุกต์ใช้ AI สำหรับการตรวจจับโรคบนใบกาแฟ โรคฟิวซาเรียมบนข้าวสาลี โรคกรีนนิ่งในส้มโดยใช้ UAV โรคกล้วย การตรวจจับโรคใบไหม้ในมันฝรั่ง แยกจากกัน เราได้ดูโรคพืชผักเรือนกระจก

การอนุมานสตรีมวิดีโอระดับโรงงาน IoT โดยใช้แบบจำลอง YOLOv5-small เครดิตภาพ: Kontogiannis et al., 2024

การแสดงภาพผลการตรวจจับ ที่มา: Wang & Liu, 2024

AI สำหรับเกษตรกรรมในสภาพแวดล้อมควบคุม (CEA)

นอกเหนือจากพืชทั่วไปสำหรับการเกษตรในสภาพแวดล้อมควบคุม เช่น ผักกาดหอม สตรอเบอร์รี่ มะเขือเทศ หรือแตงกวา เรายังได้สำรวจผักและพืชสมุนไพร นอกจากนี้ เรายังได้ดูอย่างรวดเร็วเกี่ยวกับการเกษตรในเมือง ซึ่งไม่ได้เกี่ยวกับ CEA เสมอไป แต่อาจเกี่ยวข้องกับการปลูกบนผนังและหลังคาด้วย!

ภาพสตรอเบอร์รี่ในระดับความสุกต่างๆ ภายใต้พื้นที่สีต่างๆ เครดิตภาพ: Karki et al., 2024

ระบบการผลิตพืชในสภาพแวดล้อมควบคุม หรือที่เรียกว่าฟาร์มแนวดิ่งหรือโรงงานผลิตพืช รูปภาพ (A) และ (B) ได้รับความอนุเคราะห์จาก Intravision Group โดยได้รับอนุญาต ที่มา: Dsouza et al., 2024

หุ่นยนต์ในการเกษตร + เครื่องจักรกลและระบบอัตโนมัติ

เราไม่ได้เจาะลึกเรื่องหุ่นยนต์มากนักในปีนี้ โดยพูดถึงเพียงกรณีการใช้งานเล็กน้อยเกี่ยวกับหุ่นยนต์และระบบอัตโนมัติ รวมถึงเครื่องจักรอัจฉริยะ อาจกล่าวได้ว่าการฉีดพ่นถั่วเหลือง การประยุกต์ใช้อัตราผันแปร (VRA) สำหรับปุ๋ยนั้นคุ้มค่าที่จะกล่าวถึง เช่นเดียวกับสิ่งที่เรียกว่า ‘หุ่นยนต์เก็บเกี่ยวปลอม’ นี่เป็นช่องว่างที่เราจะแก้ไขอย่างแน่นอนในปี 2025

แพลตฟอร์มเซ็นเซอร์หลายตัวออนไลน์ที่ใช้สำหรับการรวบรวมข้อมูลดิน ที่มา: Qaswar, Bustan, Mouazen, 2024

ทุกอย่างที่อยู่ระหว่างนั้น

นอกจากนี้ เราได้เจาะลึกหัวข้อที่น่าสนใจอื่นๆ อีกสองสามหัวข้อ:

→ ป่าไม้ เช่นเดียวกับ วนเกษตร, → การผลิตไวน์, → เกษตรโซลาร์เซลล์, → การพยากรณ์อากาศ → การชลประทานอัจฉริยะ

ผลลัพธ์เชิงคุณภาพของการแบ่งส่วนต้นไม้สำหรับแบบจำลอง ซึ่งได้รับการฝึกโดยใช้ชุดข้อมูลการแบ่งส่วนต้นไม้ Arbocensus คอลัมน์สามคอลัมน์แรกแสดงผลลัพธ์ที่แย่ที่สุด ในขณะที่คอลัมน์ที่เหลือแสดงผลลัพธ์ที่ดีที่สุด พื้นที่สีฟ้าอมเขียวแสดงถึงพิกเซลที่เป็นบวกจริง บริเวณสีม่วงแดงคือพิกเซลที่เป็นบวกเท็จ และส่วนสีเหลืองคือส่วนที่เป็นลบเท็จ เส้นทึบสีขาวแสดงถึงขอบเขตความจริงภาคพื้นดิน เครดิตภาพ: Arevalo-Ramirez et al., 2023

โครงการวิจัยใน Baden-Württemberg กำลังทดสอบระบบ agri-PV ด้วยการเพาะปลูกผลไม้ใกล้ทะเลสาบคอนสแตนซ์ ที่มา: Fraunhofer ISE

แนวโน้มสำหรับปี 2025

• หุ่นยนต์ทางการเกษตร: คาดว่าจะมีความก้าวกระโดดครั้งสำคัญ โดยหุ่นยนต์มีบทบาทมากขึ้นในงานอัตโนมัติตั้งแต่การปลูกจนถึงการเก็บเกี่ยว
• การชลประทานอัจฉริยะ, เครื่องจักรอัจฉริยะ, การทำแผนที่ผลผลิตอัจฉริยะ: เกษตรกรรมแบบแม่นยำจะเห็นการรวม AI และ IoT ที่ได้รับการปรับปรุงเพื่อเพิ่มประสิทธิภาพน้ำ อุปกรณ์ และผลผลิต
• การเติบโตของการทำฟาร์มแนวดิ่ง: วิธีการทำฟาร์มที่เป็นนวัตกรรมใหม่นี้จะขยายตัวต่อไป โดยได้รับแรงหนุนจากความก้าวหน้าทางเทคโนโลยีและความต้องการผลิตผลสดใหม่ในเมือง
• เกษตรกรรมเชิงฟื้นฟู: มุ่งเน้นไปที่สุขภาพดินและความยั่งยืน แนวทางนี้จะได้รับแรงผลักดันเพื่อประโยชน์ด้านสิ่งแวดล้อม
• พืชทนอุณหภูมิ: ด้วยการเปลี่ยนแปลงสภาพภูมิอากาศที่ส่งผลกระทบต่อการเกษตร การพัฒนาและการนำพันธุ์พืชที่ยืดหยุ่นมาใช้จะเร่งตัวขึ้น
• IoT และเซ็นเซอร์: การปรับใช้อุปกรณ์ที่เชื่อมต่อกันที่เพิ่มขึ้นจะช่วยให้สามารถรวบรวมข้อมูลแบบเรียลไทม์ ซึ่งนำไปสู่การตัดสินใจที่ชาญฉลาดขึ้นในฟาร์ม
• ยุคฟื้นฟูศิลปวิทยาของการตรวจสอบ (แบบเรียลไทม์): เครื่องมือตรวจสอบจะพัฒนาขึ้น โดยให้ข้อมูลเชิงลึกทันทีสำหรับสุขภาพพืช ศัตรูพืช และสภาพแวดล้อม
• บล็อกเชนในการเกษตร: ตั้งแต่ความโปร่งใสของห่วงโซ่อุปทานไปจนถึงการตรวจสอบย้อนกลับ บล็อกเชนจะเสริมตำแหน่งในฐานะเครื่องมือการเปลี่ยนแปลงในภาคการเกษตร

เขียนและเรียบเรียงโดย เกษตรตำบล คนใช้แรงงาน