کشاورزی پایدار و کارآمد طی چند دهه گذشته از یک مشکل بزرگ تراکتورسازی به یک مشکل بزرگ داده تبدیل شده است و استارتاپ EarthOptics معتقد است مرز بعدی کشاورزی دقیق در اعماق خاک نهفته است. با استفاده از تکنیک های تصویربرداری با تکنولوژی بالا ، این شرکت ادعا می کند که ترکیب فیزیکی و شیمیایی میدان ها را سریعتر ، بهتر و ارزان تر از تکنیک های سنتی ترسیم می کند و برای مقیاس بندی راه حل آن 10 میلیون دلار جمع آوری کرده است.
لارس دیرود ، بنیانگذار و مدیر عامل EarthOptics ، به TechCrunch گفت: “بسیاری از روش های نظارت بر خاک در 50 سال گذشته تغییر نکرده است.” “پیشرفت عظیمی در زمینه داده های دقیق و استفاده از روشهای داده مدرن در کشاورزی صورت گرفته است-اما بسیاری از آنها بر گیاهان و فعالیتهای فصل متمرکز شده است-سرمایه گذاری نسبتاً کمی در خاک انجام شده است.”
در حالی که ممکن است فکر کنید نگاه عمیق تری به چیزهایی که گیاهان از آن رشد می کنند ، بدیهی است ، واقعیت ساده این است که انجام آن دشوار است. تصاویر هوایی و ماهواره ای و حسگرهای IoT برای مواردی مانند رطوبت و نیتروژن ، داده های سطح سطحی را برای زمینه های بسیار غنی تر کرده اند ، اما از اولین قدم و بعد همه چیز پیچیده می شود.
قسمتهای مختلف یک مزرعه ممکن است دارای سطوح بسیار متفاوتی از خصوصیات فیزیکی مانند تراکم خاک باشند که می تواند بر نتایج محصول تأثیر زیادی بگذارد و ویژگیهای شیمیایی مانند مواد مغذی محلول و میکروبیوم. با این حال ، Dyrud گفت ، بهترین راه برای بررسی این موارد شامل “قرار دادن یک چوب واقعاً گران قیمت در زمین” است. نتایج آزمایشگاهی از این نمونه ها بر تصمیم گیری در مورد اینکه کدام قسمت از یک مزرعه باید کاشت و بارور شود تأثیر می گذارد.
این هنوز مهم است ، بنابراین مزارع این کار را انجام می دهند ، اما نمونه برداری از خاک هر چند هکتار یک یا دو بار در سال به سرعت افزایش می یابد ، زمانی که شما 10 هزار هکتار زمین برای پیگیری دارید. بسیاری از افراد فقط به دلیل کمبود داده همه چیز را بارور می کنند و بارور می کنند ، پول زیادی را فرو می برند (دیرود تخمین می زند که ایالات متحده حدود 1 میلیارد دلار در کار غیر ضروری انجام می دهد) در فرآیندهایی که ممکن است هیچ فایده ای نداشته باشد و در واقع ممکن است مضر باشد – می تواند تن کربن آزاد کند. که با خیال راحت در زیر زمین توقیف شد.
هدف EarthOptics این است که با جمع آوری قسمت “چوب گران قیمت” ، روند جمع آوری داده ها را بهتر انجام دهد. این یک مجموعه تصویربرداری ساخته است که با تکیه بر رادار نفوذ به زمین و القای الکترومغناطیسی نقشه ای عمیق از خاک تهیه می کند که راحت تر ، ارزان تر و دقیق تر از استخراج هکتار داده از یک نمونه واحد است.
یادگیری ماشین در قلب جفت ابزار شرکت ، GroundOwl و C-Mapper (C همانند کربن) قرار دارد. این تیم مدلی را آموزش داد که داده های بدون تماس را با نمونه های سنتی گرفته شده با نرخ بسیار پایین تر تطبیق می دهد و یاد می گیرد که ویژگی های خاک را با دقت بسیار بیشتر از آنچه در گذشته امکان پذیر بود پیش بینی کند. سخت افزار تصویربرداری را می توان بر روی تراکتورها یا کامیون های معمولی نصب کرد و در هر چند پا قرائت را کشید. نمونه گیری فیزیکی هنوز اتفاق می افتد ، اما ده ها بار و نه صدها بار.
با روشهای امروزی ، ممکن است هزاران هکتار را به قطعات 50 هکتاری تقسیم کنید: این یکی به نیتروژن بیشتری نیاز دارد ، این یکی به زراعت نیاز دارد ، این یکی به این یا آن درمان نیاز دارد. EarthOptics آن را به مقیاس متر کاهش می دهد و داده ها را می توان مستقیماً در ماشین های میدانی رباتیک مانند یک پنجه هوشمند با عمق متغیر تغذیه کرد.
آن را در امتداد مزارع رانندگی کنید و فقط به اندازه نیاز به عمق می رود. البته همه از تجهیزات پیشرفته ای برخوردار نیستند ، بنابراین داده ها را می توان به عنوان یک نقشه معمولی تر نشان داد که به راننده در یک مفهوم کلی تر می گوید که چه موقع کارهای دیگر را انجام دهد یا انجام دهد.
اگر این رویکرد عملی شود ، می تواند به معنای صرفه جویی عمده برای کشاورزانی باشد که به دنبال بستن کمربند هستند یا افزایش بهره وری در هکتار و دلار برای کسانی که به دنبال افزایش مقیاس هستند. و در نهایت هدف این است که کشاورزی خودکار و روباتیک را نیز فعال کنیم. این انتقال در مرحله اولیه است ، زیرا تجهیزات و شیوه ها متوقف می شوند ، اما چیزی که همه آنها به آن احتیاج دارند ، داده های خوب است.
دیرود اظهار داشت که امیدوار است مجموعه ای از سنسور EarthOptics را در تراکتورهای رباتیک ، پنجه ها و سایر تجهیزات مزرعه ببیند ، اما محصول آنها داده ها و مدل یادگیری ماشین است که آنها با ده ها هزار اندازه گیری حقیقت زمین آموزش داده اند.
دور 10.3 میلیون دلاری توسط Leaps by Bayer (بازوی ضربه ای کنگلومرا) با مشارکت S2G Ventures ، FHB Ventures ، VTC Ventures Middleland Capital و Route 66 Ventures رهبری شد. برنامه برای این پول این است که دو محصول موجود را مقیاس بندی کرده و روی محصول بعدی کار کنیم: نقشه برداری از رطوبت ، بدیهی است که برای هر مزرعه ملاحظه اصلی است.