Ontvang meer wetenschappelijk nieuws op deze manier …
Word lid van de Connect-nieuwsbrief voor geweldig wetenschappelijk nieuws, features en exclusieve primeurs. Onze duizenden abonnees kunnen het niet mis hebben.
Volgens het Ministerie van Textiel van het land zijn er meer dan 5,8 miljoen katoenboeren in India. Elk jaar worden ze geconfronteerd met zware verliezen als gevolg van ongedierte dat hun gewassen aantast. In 2017 leden boeren in de staat Maharashtra een verlies van ₹ 15.000 crores ($ 2,1 miljard), aangezien 50% van de oogst werd aangevallen door ongedierte.
Als gevolg hiervan gaat meer dan 55% van de pesticiden in India naar de katoenteelt. Een verkeerd gebruik van deze chemicaliën kan echter het gewas beschadigen of de kwaliteit verminderen.
Daarom is Wadhwani AI, een onderzoeksinstituut in India, in 2018 op zoek gegaan naar oplossingen om boeren te helpen hun gewassen te redden met behulp van inzichten uit kunstmatige intelligentie (AI).
Conceptualisering en gegevensverzameling
Het idee van het AI-model was om te bepalen hoeveel ongedierte er in dat gebied wordt gezien en om een advies over het gebruik van pesticiden te sturen. Er waren echter geen eerdere veldgegevens om het model te trainen. Het team moest dus een speciale app bouwen om gegevens te verzamelen.
Boeren gebruiken al feromoonvallen om ongedierte te vangen en te voorspellen of er een grotere aanval kan plaatsvinden. De dataverzamelingsapp vroeg boeren om op een wit vel papier foto’s te maken van ongedierte dat in deze vallen was gevangen. Het oorspronkelijke doel was om verschillende bolwormen te identificeren, die een grote bedreiging vormen voor katoengewassen.
Het team was de eerste paar seizoenen bezig was met het verzamelen en observeren van de gegevens om het model te verfijnen. Het team moest ervoor zorgen dat het model het type en het aantal ongedierte op de foto correct identificeert om de boeren correct te adviseren.
Daar waren tal van uitdagingen mee. Veel boeren gebruikten telefoons die alleen foto’s met een lage resolutie maakten. Bovendien is het vel dat ze als achtergrond hebben gebruikt misschien niet wit, gebruiken ze misschien de cameraflitser of is licht niet gewoon goed genoeg. White zei dat er ook een probleem was over verschillen in ongedierte in de regio’s.
De eerste gegevensverzameling begon in 2018 in Maharasthra en vorig jaar implementeerde het team een vroege versie van het model die werd getraind en gevalideerd met meer dan 28.000 afbeeldingen.
Inzet
Omdat deze app voornamelijk op low-end telefoons zou worden gebruikt, moesten onderzoekers het model comprimeren van 268 MB naar 5 MB. Vervolgens gebruikten ze PyTorch Mobile om het te implementeren in een app die ook offline werkte.
Het model analyseert nu afbeeldingen die door boeren zijn verzonden en volgens de regels die zijn vastgesteld door de landbouwautoriteiten van India. Het wordt momenteel ingezet in verschillende districten van drie Indiase staten, Gujarat, Maharashtra en Telangana.
Momenteel gebruiken meer dan 18.500 boeren de applicatie en elk dorp heeft een hoofdboer om met de projectcoördinatoren te praten en hun collega-boeren te waarschuwen voor meldingen die door de app worden verzonden. Boeren krijgen drie waarschuwingsniveaus: groen, geel en rood; op basis daarvan gebruikten ze pesticiden die in de app werden voorgesteld. Je kunt de app in actie zien in de onderstaande.
Volgende stappen
In een zomerexperiment in Maharashtra gebruikten 150 boeren het systeem en zagen ze 25% winst in de oogst. Vanwege deze resultaten is de deelstaatregering van Maharashtra en Telangana overeengekomen het project uit te breiden naar het volgende katoenteeltseizoen (juni-november). Daarnaast werken onderzoekers samen met het Better Cotton Initiative (BCI) , een wereldwijde non-profitorganisatie die zorgt voor de verbetering van katoenboeren, en dit project wereldwijd opschaalt.