Επιστήμονες του Πανεπιστημίου Monash ανακάλυψαν ένα σύστημα παρακολούθησης της επικονίασης εντόμων και μελισσών, το οποίο λειτουργεί αποτελεσματικότερα χάρη στην τεχνητή νοημοσύνη.
Τι σχέση έχει η τεχνητή νοημοσύνη (ΑΙ) με την γεωργία; Εκ πρώτης όψεως μπορεί να μην είναι προφανές, ωστόσο μια νέα μελέτη από το Πανεπιστήμιο Μοnash στη Μελβούρνη της Αυστραλίας δείχνει πως η AI μπορεί να είναι ένας πολύτιμος αρωγός των γεωργών κατά την παρακολούθηση των εντόμων επικονιαστών που είναι απαραίτητοι για τη γεωργία.
Στη μελέτη τους, οι επιστήμονες εγκατέστησαν μικροσκοπικές ψηφιακές φωτογραφικές μηχανές και υπολογιστές μέσα σε ένα θερμοκήπιο σε ένα αγρόκτημα φράουλας στη Βικτώρια της Αυστραλίας, προκειμένου να παρακολουθούν τις μέλισσες και άλλα έντομα, τα οποία εποικονίαζαν τα φυτά και τα λουλούδια τους.
Μέσα από το προσαρμοσμένο τους λογισμικό τεχνητής νοημοσύνης, ανέλυσαν βίντεο πολλών ημερών για να δημιουργήσουν μια εικόνα της συμπεριφοράς της επικονίασης σε μια ευρεία περιοχή. Οι ειδικοί προτείνουν πως η ΑΙ θα επιτρέψει την καλύτερη χρήση των πόρων και την αύξηση της παραγωγής τροφίμων, σύμφωνα με άρθρο τους στον ιστότοπο The Conversation.
Η αποτελεσματική επικονίαση είναι σημαντική για την υγιή παραγωγή καλλιεργήσιμων τροφίμων, από λαχανικά μέχρι και όσπρια. Για να μπορέσει να επιτευχθεί, απαιτεί συγκεκριμένο αριθμό επισκέψεων επικονιαστών εντόμων στα λουλούδια, καθώς πολύ λίγοι ή υπερβολικοί επικονιαστές μπορεί να μειώσουν την ποιότητα της παραγόμενης από τα φυτά τροφής.
Καθώς ο πληθυσμός αυξάνεται- και η ανάγκη για περισσότερη τροφή αυξάνεται μαζί του- απαιτούνται νέες τεχνολογίες για τη γεωργία, οι οποίες να επεκτείνονται πέρα από τις τυπικές τεχνικές οπτικής παρατήρησης ή παγίδευσης, που δεν επιτρέπουν τη συλλογή δεδομένων ταυτόχρονα, μιας και απαιτούνται πολλοί εκπαιδευμένοι άνθρωποι για αυτή τη δουλειά. Από την άλλη, ένα ψηφιακό σύστημα, όπως αυτό που αναπτύχθηκε στο Πανεπιστήμιο Monash, θα μπορούσε να βοηθήσει έναν γεωργό να λάβει δεδομένα αυθημερόν για τα επίπεδα επικονίασης των καλλιεργειών του.
Όπως αναφέρουν οι ερευνητές στο The Conversation, ένα από τα βασικά πλεονεκτήματα του συστήματός τους είναι ότι συλλέγουν μεγάλο όγκο δεδομένων για την αξιόπιστη παρακολούθηση μεμονωμένων εντόμων που πετούν ανάμεσα σε πυκνά φυλλώματα. Επιπλέον, μπορεί να εντοπίζει την κίνηση των εντόμων μέσα σε μια ακολουθία βίντεο, έτσι ώστε ένα έντομο να μην μετράται κατά λάθος πολλές φορές, ενισχύοντας έτσι την ακρίβεια των δεδομένων.
Καταγράφοντας και οπτικοποιώντας αυτά τα μονοπάτια γίνεται περισσότερο κατανοητή η συμπεριφορά των εντόμων και η αποτελεσματικότητα της επικονίασης σε ένα θερμοκήπιο. Για παράδειγμα, στην περίπτωση της μελέτης όπου εξετάστηκαν φράουλες, τα φυτά παράγουν ποιοτικούς καρπούς μετά από τουλάχιστον τέσσερις επισκέψεις εντόμων σε ένα μεμονωμένο λουλούδι, αλλά όχι περισσότερες. Κατά την μελέτη, οι επισκέψεις μελισσών στα άνθη καταγράφηκαν συχνότερα στην παρακολουθούμενη περιοχή από ότι επισκέψεις από άλλα έντομα και η ανάλυση έδειξε ότι το 68% των καταγεγραμμένων λουλουδιών έλαβε τον ελάχιστο αριθμό τεσσάρων επισκέψεων από έντομα που απαιτούνται για πλήρη γονιμοποίηση κατά την περίοδο παρακολούθησης.
Οπότε, η γνώση του βαθμού στον οποίο έχει επικονιαστεί μια καλλιέργεια επιτρέπει στους καλλιεργητές να αλλάξουν τις τοποθεσίες και τους αριθμούς των κυψελών για να ενισχύσουν τα ελλείμματα επικονίασης ή να κάνουν άλλες παρεμβάσεις για να ενισχύσουν τα ποσοστά επιτυχίας των καλλιεργειών.
