Kunstig intelligens og olivenolie dyrkning og produktion
Kunstig intelligens og olivenolie dyrkning og produktion
Kunstig intelligens: internationalt forskerhold bragte innovation inden for olivenolieproduktion
Kortsigtede scenarier, som kan baseres investeringer på, træffe forebyggende foranstaltninger og gribe ind med agronomisk praksis, vil være tilgængelige for olivenolieproducenter ved hjælp af Kunstig intelligens (AI), takket være et internationalt forskerhold.
Det fælles forskerhold fra det italienske nationale forskningsråd (CNR), den Agenturet for Ny Teknologi, Energi og Bæredygtig Udvikling (ENEA) og University of California, Berkeley, formået at udvikle en algoritme, der faktisk er tilgængelig for alle interesserede, hvem kan forudsige størrelsen af en olivenlunds høst baseret på de klimatiske data i det specifikke område.
Algoritmen lærte at lave disse forudsigelser baseret på de sidste 15 års data fra Italien og fandt i bund og grund den måde, hvorpå forskellige klimafænomener påvirker afgrøder. Algoritmen analyserer vejrmønstrene i perioden med olivendyrkningscyklussen, og forskerne var således i stand til at identificere potentielle klimarisici, og hvordan de påvirker produktionen.
I alt blev høstdata fra 66 italienske provinser i perioden 2006-2020 analyseret, og ud fra denne analyse blev de faktorer, der forårsagede de værste høst, afsløret. Men forskningen stoppede ikke ved at identificere risikofaktorer, men gik et skridt videre og grupperede derefter disse forskellige variabler efter to måneder, lavede en liste over variabler og undersøgte, hvordan de interagerede over tid. Så det lykkedes dem at kunne levere en kortsigtet prognose, som de siger er tre gange mere præcis og bedre, end hvis de havde lavet en enkelt-variabel analyse.
De så på, hvilke sæsonbestemte klimavariabler, der gav enten dårlige eller overdrevent gode høst, og udelod fuldstændig dem, der producerede tæt på den gennemsnitlige høst. Dette, med andre ord, at se på minimum og maksimum, gjorde det muligt for dem i det væsentlige at fokusere på de effekter, som klimavariabler har på produktionen, uanset hvad hver producent laver.
Også behjælpelig vedr Bactrocera Oleae (olivenfrugtflue)
Forskerne hævder, at hvis algoritmen fortsætter med at blive trænet med flere geografiske data, jo mere "generelle" vil forudsigelserne blive, og derfor vil den kunne bruges på en tilstandsskala eller endnu større.
Emnet blev fremhævet af den specialiserede hjemmeside Olivenolie Tider, hvor forskeren, der deltog i forskningen, Ariana Di Paola, udtalte, at: ”Vi arbejder på at forstå de klimaindikatorer, der kan udløse dårlige forhold og den tilhørende mulighed for negative konsekvenser for produktionen. oliven. Eksempler på sådanne indikatorer er forhold, der fremmer udviklingen af olivenfluen eller høje vintertemperaturer, der kan ændre olivencyklussen og have indflydelse på blomstring og bestøvning. At forstå sæsonvariationerne i hvert øjeblik gør det muligt for os at forudsige, hvad vi kan forvente i den nærmeste fremtid. Det er kortsigtede scenarier, som man kan basere investeringer på, træffe forebyggende foranstaltninger og gribe ind med agronomisk praksis."
KILDE: Kunstig intelligens: internationalt forskerhold bragte innovation inden for olivenolieproduktion – sofokleousin.gr
Olivendyrkning: Øger udbyttet og reducerer omkostningerne gennem kunstig intelligens
Ifølge Olive Oil Times er forskere i Andalusien ved at udvikle et nyt værktøj, der vil gøre det muligt for landmænd at udnytte Kunstig intelligens (AI) at vide, hvornår deres oliven er klar til at høste.
Citoliva, en non-profit forsknings- og teknologivirksomhed, fastholder troen på, at dens AI-baserede forudsigelsesmodel kunne forbedre udbyttet og reducere produktionsomkostningerne. Dets ledere vurderer, at en sådan model vil være klar til kommerciel brug om to år.
Sammen med Spaniens ministerium for industri, handel og turisme og Citolivas fire partnere i den private sektor, der arbejder på projektet, mener organisationen, at den nye teknologi vil give landmændene mulighed for at forudsige tidspunktet for maksimalt indhold af olivenolie uden gentagne ture til lundene.
Forskerne tilføjede, at det forventes at reducere den tid, der bruges på informationsanalyser og omkostningerne ved høst, samtidig med at det giver mulighed for mere nøjagtige produktionsestimater.
”Værktøjet er i øjeblikket i forskningsfasen. Ideen er, at det fungerer med en kombination af data leveret af satellitbilleder og jordsensorer, og landmanden kunne betjene det fra sin mobile enhed,” sagde Carmen Capiscol, leder af forskning, udvikling og innovation hos Citoliva, for at tilføje til fortsatte: "Potentielle brugere er endnu ikke fastlagt, men det er sandsynligt, at tilgangen vil være til andelshavere frem for individuelle producenter."
Uanset omkostninger og brugervenlighed mener Capsicol, at værktøjet vil hjælpe olivendyrkere med at kunne høste på det mest passende tidspunkt. Dette anses for at være endnu vigtigere på grund af ændringen af de klimatiske forhold og mønstre i Andalusien og i hele Middelhavsområdet, hvilket i højere grad ændrer nogle af nøgleøjeblikkene i olivenudviklingen.
Det er dog værd at bemærke, at forskerne endnu ikke har fastlagt omkostningerne ved at installere de nødvendige sensorer eller bruge den bærbare enhed til landmænd.
KILDE: Olivendyrkning – Øge udbyttet og reducere omkostningerne gennem kunstig intelligens (AI) – Ypaithros.gr
Kunstig intelligens revolutionerer meteorologien
Google, Huawei og andre virksomheder lancerer AI-modeller, der forbedrer nøjagtigheden af forudsigelser i vejrudsigter
En ny generation af kunstig intelligens (AI) algoritmer, hvoraf nogle kører selv på en simpel bærbar computer, lover bedre vejrudsigter end nutidens meteorologers modeller der kræver supercomputere. Den seneste udvikling kommer fra DeepMind, en kunstig intelligens-virksomhed, der nu er en del af Google-gruppen, som i magasinet Science præsenterede en kunstig intelligens-model, der allerede tilbyder toppræstationer.
GraphCast-modellen producerer mere nøjagtig ti dages vejrudsigter end den konventionelle model af Europæisk center for middellange vejrudsigter (ECMWF), betragtet som verdens førende meteorologiske tjeneste. Den endelige algoritme tager mindre end et minut at give ti-dages prognoser Og den nye model giver prognoser på få minutter, der ikke kræver mere end en simpel pc, i modsætning til ECMWF's supercomputere, som tager timer for hver prognose.
Uddannelse De matematiske modeller, meteorologer bruger i dag, opdeler Jorden i store firkanter og bruger væskefysikkens love til at simulere atmosfærens adfærd i fremtiden med udgangspunkt i tilgængelige målinger af nuværende forhold. Denne tilgang er beregningskrævende, og få meteorologiske tjenester har råd til at opdatere deres rapporter mere end fire gange om dagen. AI-modeller løser derimod ikke fysikligninger. De undervises ved eksempler - meteorologiske observationer fra tidligere år - at lære at genkende mønstre i atmosfærens adfærd og at forudsige, hvordan parametre som tryk, temperatur og vindhastighed interagerer.
For at træne GraphCast brugte DeepMind-forskere ECMWF-data, der strækker sig over 40 år. Det tog snesevis af computere og fire uger at fuldføre processen, men den endelige, trænede algoritme tager mindre end et minut at producere ti-dages prognoser, som overgår ECMWFs konventionelle prognoser i 90% af benchmarks.
DeepMinds algoritme er ikke den eneste, der opnår spektakulær ydeevne. Tidligere i år præsenterede det kinesiske firma Huawei, der er bedst kendt for sine mobiltelefoner, sin egen lignende model i tidsskriftet Nature, mens Google har lanceret sit eksperimentelle 24-timers prognoseværktøj MetNet-3, som udkonkurrerer de fleste vejrtjenesterapporter i nøjagtighed. . ECMWF har selv tilbudt AI-eksperimentelle data siden september. Fremskridtet er imponerende, selvom nogle meteorologer og fysikere fortsat er skeptiske, til dels fordi den nye teknologi fungerer som en "sort boks", der producerer resultater, men som ikke forklarer, hvordan de er nået frem til. Det er sandsynligt, at kunstig intelligens vil blive brugt sammen med og som supplement til matematiske modeller af atmosfæren.
Hvad der dog er sikkert, er, at kunstig intelligens kom for at blive i meteorologien.
af Vangelis Pratikakis
KILDE: Kunstig intelligens revolutionerer meteorologien – www.in.gr
Relaterede artikler:
Relaterede indlæg
Olivenolie: International produktion og forbrug af olivenolie – Produktion og forbrug af olivenolie i Grækenland
Statistik og info vedrørende olivenolie: International produktion og forbrug af olivenolie 
Kæmpe fald i global olivenolieproduktion (2023) – men stor produktionsstigning i Grækenland
Den globale olivenolieproduktion er på et lavpunkt i seks år i år, men en stor produktionsstigning - på 3