Algorytmy sztucznej inteligencji są coraz częściej wykorzystywane do takich zadań, jak analiza obrazów roślin, przewidywanie plonów i automatyzacja sterowania maszynami. Sztuczna inteligencja usprawnia produkcję rolną na różnych etapach – od sadzenia, przez zbiory, po sprzedaż. Ponadto przyczynia się do redukcji kosztów i adaptacji do zmian klimatu. Chociaż te zaawansowane technologie są wdrażane głównie przez największe przedsiębiorstwa rolnicze w Polsce, ich wykorzystanie dynamicznie rośnie.
„Modelowanie neuronowe zyskuje coraz większą popularność w sektorze rolniczym, ale wciąż nie w pełni wykorzystujemy możliwości tej technologii. Obecnie jest ona w początkowej fazie rozwoju – firmy integrują technologię z urządzeniami mobilnymi, ekranami dotykowymi i ciągnikami, aby wspomagać rolników w ich codziennych zadaniach. Nie udało nam się jednak jeszcze osiągnąć powszechnego wdrożenia” – stwierdza w wywiadzie dla agencji Newseria prof. dr hab. inż. Maciej Zaborowicz, kierownik Katedry Inżynierii Biosystemów Uniwersytetu Przyrodniczego w Poznaniu.
W Polsce, według raportu Narodowego Centrum Badań i Rozwoju „Rolnictwo 4.0. Identyfikacja trendów technologicznych”, który powołuje się na badanie przeprowadzone przez Uniwersytet Rolniczy w Krakowie we współpracy z Microsoft (Startup Poland, 2020), polscy rolnicy coraz bardziej interesują się technologiami Rolnictwa 4.0. Zainteresowanie to jest szczególnie widoczne w przypadku rozwiązań zwiększających efektywność nawożenia (72%), nowoczesnych narzędzi do mechanicznego zwalczania chwastów (54%), systemów wspomagania uprawy gleby (48%), automatycznej nawigacji maszyn (54%) oraz telemetrii (48%).
Jednak korzyści płynące z wdrożenia sztucznej inteligencji wykraczają daleko poza te, a automatyzacja w gospodarstwach rolnych przynosi znaczące korzyści. Dzięki algorytmom uczenia maszynowego rolnicy mogą podejmować bardziej świadome decyzje, optymalizować koszty i chronić środowisko. Sztuczna inteligencja umożliwia szybsze ograniczenie stosowania nawozów, zautomatyzowanie zbiorów oraz identyfikację chorób roślin.
Badanie opublikowane w czasopiśmie „Computers and Electronics in Agriculture” podkreśliło zdolność systemu sztucznej inteligencji do wykrywania chorób jabłoni. Wykorzystując sieć neuronową wytrenowaną na zbiorze danych obrazów liści jabłoni, system osiągnął imponującą, 95-procentową dokładność w diagnozowaniu obecności choroby. Innym przykładem z życia wziętym jest identyfikacja rdzy żółtej w uprawach pszenicy. Naukowcy zastosowali algorytmy uczenia maszynowego do analizy.
