Tarolt a mesterséges intelligencia az üvegházi termesztés-versenyben

Másodszor rendezték meg Hollandiában az üvegházi paradicsomtermesztő algoritmusok és az emberi termesztők versenyét. Több alkalommal az algoritmus ért el jobb eredményeket, mint a gazdák. A többek között a holland Wageningeni Egyetem felügyeletével megrendezett Autonomous Greenhouse Challenge verseny célkitűzése az volt, hogy a csapatok olyan mesterséges intelligencia által irányított algoritmusokat fejlesszenek, amelyekkel távolról irányítható az üvegházi termesztés.

A távkertészet feladata, hogy minden olyan döntést a számítógép hozzon meg, amiben hagyományos esetben a termesztő belátása szerint járnak el. A döntési körben a klímakomputer beállításaitól kezdve az is beletartozik, hogy mit és mikor termesszen a gazda, és ehhez milyen erőforrásokra lesz szükség. Gép végzi el a fejszám beállítását, a levelezések és metszési munkák időpontjának meghatározását is - számolt be róla a FruitVeB. A verseny összesen 6 hónapig tartott, ezalatt kellett a csapatok által kidolgozott algoritmusoknak irányítaniuk az üvegházi termesztést.

Közel a teljes automatizáció és a mesterséges intelligencia kora

Arról ugyan még nincs szó, hogy az üvegházi termesztés teljesen automatizált (emberi kéz beavatkozása nélküli) legyen, de már most sikerült pár olyan részterületet meghatározni, amelyekben az algoritmusok jobban teljesítettek a termelőknél. A csapatok a termesztésben már széles körben elterjedt, hagyományos érzékelőkön kívül saját fejlesztésű szenzorokat is alkalmazhattak. Ezek adatait pedig felhasználhatták a termesztési modellek döntési algoritmusaiban. A versenyt a Van der Hoeven Horticultural Projects gyári csapata, az Automatoes nyerte. Ez a cég több mint 10 éve foglalkozik üvegházi paradicsomtermesztéssel, és az üvegházakat nem csak megépítik, hanem a termesztőket bevonva folyamatosan üzemeltetik is a rendelkezésükre álló, korábban összegyűjtött adatok alapján.

Saját adatok, közös adatok

A versenyen az Automatoes nem használta a más üvegházakból származó adatokat, hanem kizárólag az adott létesítményben mért számokra alapozott. Ezeket különböző csoportokba sorolta (világítás, öntözés), majd további részkategóriákra osztotta. Ezeket mesterséges intelligenciával elemezve hozta meg a szükségesnek vélt döntéseket. Erre egy egyszerű példa az öntözés, amikor a kőzetgyapot termesztőközegbe telepített érzékelők adataiból egy regressziós modell alkalmazásával határozták meg, hogy a délutáni órákban mikor kell befejezni az öntözést ahhoz, hogy a közeg a megfelelő mértékben száradjon ki reggelre. Ennél sokkal összetettebb példa a szellőztetés vezérlésének kérdése, amely az Automatoes szerint az üvegházi termesztés legfontosabb pontja.

A győztes modell részletei

A cég növénytermesztési stratégiájának (Plant Empowerment) lényege, hogy nem optimálisnak tartott környezeti feltételeket igyekeznek megteremteni, hanem a szenzorok folyamatosan magát a növényt nézik, és ennek megfelelően állítják be a klímaparamétereket. Ezért a versenyben nem is a hagyományos, arányossági tartományon alapuló (P-band) szabályozást használták, mivel tapasztalataik szerint ilyenkor az üvegház túl sokat szellőztet, így indokolatlanul nagy a légmozgás és az energiaigény. Ezért egy olyan szenzort alkalmaztak, amely a növény sztómáinak viselkedését figyelte, és a modell ennek alapján döntött arról, hogy mikor és mennyit szükséges szellőztetni. A fénymennyiség meghatározásánál is hasonló elvet követtek, mivel tapasztalataik alapján a besugárzásnak és a 24 órás hőmérsékletnek mindig egyensúlyban kell lennie. Az időjárás-előrejelzések alapján ezért egy olyan klímatervet készítettek, ami ezt az arányt igyekezett fenntartani. Azt itt is folyamatosan monitorozták, hogyan viselkedik a növény, és az aránytényezőt szükség esetén, valamint a fenológiai állapotnak megfelelően módosították.

A jövő mindenképpen a mesterséges intelligencia

Az Automatoes csapat vezetője, Leonard Baart de la Faille szerint a jövő mindenképpen az embermentes üvegházaké. Ez azonban még odébb van, több évre vagyunk a megvalósításától. Ennek egyik legfőbb oka, hogy sokkal több szenzorra van szükség ahhoz, hogy a megfelelő adatok rendelkezésre álljanak a teljes robotizációhoz. Ugyanakkor az már középtávon is elképzelhető, hogy egyes részterületek vezérlését önműködő, autonóm rendszerek vegyék át az üvegházakban, ilyen például a korábban említett klímavezérlés. Leonard szerint ez már pár éven belül lehetséges lesz. A termesztők is hasonló véleményen voltak: szerintük is rendkívüli jelentősége lesz a növényszenzorok elterjedésének. A termelők már régóta dolgoznak olyan érzékelőkkel (főleg a klíma és az öntözés részterületein), amelyek megkönnyítik a munkájukat, és segítik őket a döntéshozatalban. A közvetlenül a növényekről adatokat szolgáltatók érzékelők, például az egyre inkább terjedőben lévő fotoszintézis-szenzorok azonban teljesen új információkkal szolgálhatnak a termesztés számára. Az érzékelők által a központi számítógépre küldött elképesztő mennyiségű információ feldolgozása csak a megfelelő algoritmusokkal, mesterséges intelligenciával lehetséges. Többek között ez a felismerés állt a verseny kiírásának hátterében. A cikket Kocsis Márton fordította az Artificial intelligence in the greenhouse – When will human growers become obsolete? című közlemény alapján.