A mesterséges intelligencia (MI) agráripari alkalmazásáról Prof. Dr. Palkovics László, mesterséges intelligenciáért felelős kormánybiztos nyilatkozott az Agroinformnak, rámutatva arra, hogy az agrárium különösen alkalmas az MI-eszközök bevezetésére – a klímaváltozás modellezésétől a robotizált gyümölcsszedésig.
– Az MI segítségével pontosabban előrejelezhetők az időjárási hatások, modellezhetők a klímaváltozás hosszú távú következményei. A termőföldek állapota drónok és műholdfelvételek segítségével feltérképezhető, a képfeldolgozó algoritmusok azonosítják a növénybetegségeket, kártevőket, vagy tápanyaghiányt. Az adatokra alapozva célzott permetezés, tápanyag-utánpótlás vagy öntözés végezhető. Léteznek olyan drónok is, amelyek már beavatkozásra is képesek, például fagyvédelmi permetezésre virágzáskor – bocsátotta előre a kormánybiztos. – A növénytermesztés mellett az állattenyésztés is jelentős MI-lehetőségeket kínál. Az állatok viselkedésének, étvágyának vagy testhőmérsékletének megfigyelése korai figyelmeztetést adhat betegségekre. Az MI képes olyan változásokat is észrevenni, amelyeket az ember nem. Tejelő tehenek viselkedéséből például egy-egy apró mozdulat alapján következtetni lehet az állat egészségi állapotára. A légzés vagy a kilélegzett levegő vizsgálata is információt adhat a fertőzésekről.
Prof. Dr. Palkovics László: Az agrárium az MI alkalmazásának egyik legnagyobb potenciálú területe Fotó: Energiaügyi Minisztérium
Az autonóm munkagépek, traktorok már gyakorlatban is léteznek, emberi beavatkozás nélkül végeznek vetést, talajművelést, műtrágyázást. A robotizált gépek képesek gyomfelismerésre vagy például a málnaszedésre is. A vadgazdálkodásban drónfelvételek és képfeldolgozó rendszerek segítik a vadállomány számbavételét, a vadkárok mértékének automatizált becslését.
Magyarországon a Mezőhegyesi Ménesbirtok az egyik legfejlettebb tesztkörnyezetnek számít a növénytermesztés és az állattenyésztés területén. Itt már évekkel ezelőtt megjelentek az autonóm traktorok, a különféle szintű dróntechnológiák, valamint a szenzorokkal támogatott precíziós megoldások. A gyakorlatban azonban még nem teljes az áttörés: bár az eszközök rendelkezésre állnak, azok adatgyűjtő és elemző funkcióit a gazdák jellemzően nem használják ki teljes körűen. Egyes gazdálkodók már alkalmazzák a technológiát speciális esetekben – például a száj- és körömfájás vírus terjedésének megelőzése érdekében drónokkal permetezik körbe a veszélyeztetett területeket –, de a napi rutinba épülő, széles körű MI-használat még nem jellemző – fogalmazott a kormánybiztos.
Prof. Dr. Palkovics szerint átmeneti állapotban vagyunk:
már tudjuk, hogy az MI-eszközöket alkalmazni kell, és az előnyeik nyilvánvalóak, de még hiányzik a készség szintű használat, amely a napi működés részévé teszi azokat.
A technológia bevezetéséhez és hatékony alkalmazásához elengedhetetlen az intézményi háttér, különösen az oktatás szerepe. Egy nemrégiben lezajlott egyeztetésen – amelyen többek között a NAK, a MAGOSZ, a MATE, a Debreceni Egyetem, az Állatorvostudományi Egyetem, az Óbudai Egyetem, a Soproni Egyetem, a Szegedi Tudományegyetem és a ZalaZone InnoTech képviselői vettek részt – abban állapodtak meg, hogy az MI-alapú adatgyűjtés és -felhasználás kiterjesztése kulcsfontosságú. A gazdáktól pontos adatok csak akkor várhatók el, ha azokat könnyen, automatizált módon tudják szolgáltatni.
Ezek az adatok jellemzően érzékelőkből, okoseszközökből – származnak, és szükséges az ezekhez kapcsolódó infrastruktúra kiépítése is. Palkovics szerint Magyarország gyors fejlődésre képes, és a termelékenység jelentős növelésére ad lehetőséget az MI-eszközök alkalmazása – különösen az élelmiszeriparban. Példaként említett egy nagy cukorgyárat, ahol már nyolc éve gyűjtik az adatokat a gyártási folyamat minden pontjáról, és jelenleg azon dolgoznak, hogy a korábban terminus modellekre épülő irányítást adatvezérelt rendszer váltsa fel. A gyár több mint 12 ezer változót követ nyomon, és száz feletti beavatkozási ponttal rendelkezik – az MI segítségével ezek optimalizálása akár éves szinten milliárdos megtakarítást is jelenthet.
Hasonló példát jelent a Pick Szalámigyár is, ahol a füstölési folyamat mesterségét próbálják digitálisan modellezni. A cél az, hogy a tapasztalati tudás – amely eddig a füstölőmesterek kiváltsága volt – leképezhető legyen egy MI-alapú rendszerbe. A füst mennyisége, szellőztetés, páratartalom és más paraméterek irányítása mind olyan változók, amelyek megfelelő tanulással és adatelemzéssel automatizálhatóvá válnak. Ez különösen fontos, mivel a szakemberek kiöregedésével e tudás áthagyományozása egyre nehezebb.
Prof. Dr. Palkovics László hangsúlyozta:
a mezőgazdaság és az élelmiszeripar tapasztalati tudása jól leképezhető és tanítható a mesterséges intelligencia számára.
A termelési környezet komplexitása – az időjárási tényezőktől a növényvédelmen át az állatviselkedésig – számos lehetőséget kínál az MI alkalmazására. A cél, hogy a mezőgazdasági tapasztalatok ne vesszenek el, hanem tanuló algoritmusokba integrálódjanak, ezzel biztosítva a jövő fenntartható, hatékony agráriumát.
Kérdésünkre a zalai ZalaZONE járműipari tesztpálya kapcsán kiemelte, hogy habár az eredetileg közúti járművek tesztelésére épült, a mezőgazdasági járművek – például traktorok – is ide tartoznak, hiszen ezek is gumikerekű, autonóm közlekedésre képes eszközök. A tesztpályán folyó kutatások kiterjednek az autonóm mezőgazdasági traktorok és különféle drónos alkalmazások vizsgálatára is. A pálya mellett működő Alma 2000 nevű vállalkozással közösen például olyan rendszereket fejlesztenek, amelyek képesek gyümölcsösökben kártevők okozta problémák vagy fertőzések azonosítására, majd manipulátor robotokkal el is végzik a szükséges beavatkozásokat, például a beteg ágrészek levágását.
Egy másik izgalmas projekt keretében a ZalaZONE kihasználatlan füves területein agrárcélú napelemes telepeket helyeznek el. Ezek alatt árnyékkedvelő növényeket – például málnát – termesztenek, a betakarítást pedig robotok végzik. A politikus személyes élményét is megosztotta, hogy gyerekkorában még maga is szedett málnát a fajtakísérleti állomáson, ma pedig már robotokat fejlesztenek ugyanerre a célra.
– Az autonóm traktorok és földi robotok már nemcsak elméleti lehetőséget jelentenek, hanem aktív résztvevői a mezőgazdasági munkáknak. Egy autonóm traktor – érzékelőkkel és MI-algoritmusokkal felszerelve – képes a szántóföldi munkák (vetés, műtrágyázás, talajlazítás) emberi beavatkozás nélküli elvégzésére. Ezek a gépek régóta léteznek, és ma már gyártói szinten integrált fejlesztések eredményei. A precíziós mezőgazdaságban különösen nagy szerepet kapnak azok a földfelszíni robotok, amelyek képfeldolgozás útján ismerik fel a gyomokat, beteg növényeket vagy az érett gyümölcsöket – így képesek például bogyós gyümölcsök, málna szedésére is – jelezte.
Ha megvannak a megfelelő technológiák, szemléletmód és intézményi együttműködések, akkor a magyar mezőgazdaság jelentős versenyelőnyhöz juthat az élelmiszeripari exportban is – mondta a kormánybiztos Fotó: Energiaügyi Minisztérium
Palkovics szerint az agrárium az MI alkalmazásának egyik legnagyobb potenciálú területe. Ha megvannak a megfelelő technológiák, szemléletmód és intézményi együttműködések, akkor a magyar mezőgazdaság jelentős versenyelőnyhöz juthat az élelmiszeripari exportban is. Ehhez azonban elengedhetetlen a tudomány, a termelők és a döntéshozók szoros együttműködése.
– A célunk, hogy a mesterséges intelligencia hozzájárulhasson a mezőgazdasági folyamatok optimalizálásához, segítse és támogassa a gazdák munkáját, növelve ezáltal Magyarország versenyképességét – szögezte le zárásként.
Indexkép: Energiaügyi MinisztériumA mezőgazdaság digitalizációja a precíziós gazdálkodástól (helyspecifikus beavatkozások) a mesterséges intelligencia alapú döntéshozatalig (smart farming) fejlődött. A szenzorok, műholdképek, időjárási és termelési adatok már lehetővé teszik, hogy az MI pontosabb előrejelzéseket és hatékonyabb termelési döntéseket hozzon.
A digitális mezőgazdaság három szintje:
- Szenzorok és gépek: gyűjtik az adatokat (talaj, növény, állat).
- Adatkezelés: a különböző forrásokból érkező információkat feldolgozzák.
- MI: tanuló algoritmusok elemzik az adatokat, előrejelzéseket és javaslatokat adnak.
- Az MI négyféle adattal dolgozik: képi (pl. drón), hang (pl. állatok), szenzoros és szöveges (pl. jogszabályok, dokumentumok).
Hol segíthet az MI?
- Termésbecslés, növényállapot-figyelés
- Betegségek, kártevők korai felismerése
- Tápanyag-utánpótlás optimalizálása
- Vetésforgó- és fajtaválasztás
- Gazdasági döntéstámogatás (pl. támogatási lehetőségek, piacfigyelés)
Jelenlegi hazai megoldások
Több magyar fejlesztésű rendszer már elérhető:
- Agrovir – aszály- és növényvédelmi előrejelzés
- KITE PGR – precíziós zónakijelölés
- Proofminder – növényállapot-monitoring
- Lechner SZTAKI – műholdas vegetációs indexek
Mire van még szükség?
- Egységes adatformátumokra és szabványokra
- Adatbiztonságra és gazdák adatainak védelmére
- Adatvisszacsatolásra az állami rendszerekből
- Gazdák és tanácsadók képzésére
A mesterséges intelligencia akkor lehet igazán hasznos az agráriumban, ha megfelelő mennyiségű és minőségű adat áll rendelkezésre. A jövő gazdaságainak működését a digitalizáció és az adatalapú döntéshozatal határozza meg – az MI pedig ezek központi eleme lesz.
