{"id":1035,"date":"2024-01-22T15:23:52","date_gmt":"2024-01-22T15:23:52","guid":{"rendered":"https:\/\/stage1.critida.com\/artificial-intelligence-and-olive-oil-cultivation-and-production\/"},"modified":"2026-10-27T06:24:51","modified_gmt":"2026-10-27T06:24:51","slug":"artificial-intelligence-and-olive-oil-cultivation-and-production","status":"publish","type":"post","link":"https:\/\/critida.com\/lt\/artificial-intelligence-and-olive-oil-cultivation-and-production\/","title":{"rendered":"Dirbtinis intelektas ir alyvuogi\u0173 aliejaus auginimas bei gamyba"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\n

Dirbtinis intelektas ir alyvuogi\u0173 aliejaus auginimas bei gamyba<\/h1>\n

Dirbtinis intelektas: tarptautin\u0117 tyr\u0117j\u0173 komanda \u012fdieg\u0117 inovacij\u0173 alyvuogi\u0173 aliejaus gamyboje<\/h2>\n

Alyvuogi\u0173 aliejaus gamintojams bus prieinami trumpalaikiai scenarijai, kuriais remiantis bus galima pagr\u012fsti investicijas, imtis prevencini\u0173 priemoni\u0173 ir veiksm\u0173 taikant agronomin\u0119 praktik\u0105, padedant Dirbtinis intelektas (DI)<\/a>, d\u0117ka tarptautin\u0117s tyr\u0117j\u0173 komandos.<\/p>\n

Italijos nacionalin\u0117s mokslini\u0173 tyrim\u0173 tarybos (CNR) jungtin\u0117 tyrim\u0173 grup\u0117 Nauj\u0173j\u0173 technologij\u0173, energetikos ir tvaraus vystymosi agent\u016bra (ENEA)<\/a> ir Kalifornijos universitetas, Berklis<\/a>, pavyko sukurti algoritm\u0105, kuris i\u0161 tikr\u0173j\u0173 prieinamas visiems besidomintiems, galintiems numatyti alyvmed\u017ei\u0173 girait\u0117s derliaus dyd\u012f, remiantis konkre\u010dios vietov\u0117s klimato duomenimis.<\/p>\n

Algoritmas i\u0161moko daryti \u0161ias prognozes remdamasis pastar\u0173j\u0173 15 met\u0173 duomenimis i\u0161 Italijos ir i\u0161 esm\u0117s nustat\u0117, kaip skirtingi klimato rei\u0161kiniai veikia pas\u0117lius. Algoritmas analizuoja oro s\u0105lygas alyvmed\u017ei\u0173 auginimo ciklo laikotarpiu, tod\u0117l tyr\u0117jai gal\u0117jo nustatyti galim\u0105 klimato rizik\u0105 ir jos poveik\u012f gamybai.<\/p>\n

I\u0161 viso buvo i\u0161analizuoti 66 Italijos provincij\u0173 derliaus duomenys 2006\u20132020 m. laikotarpiu ir remiantis \u0161ia analize nustatyti veiksniai, l\u0117m\u0119 blogiausi\u0105 derli\u0173. Ta\u010diau tyrimas neapsiribojo rizikos veiksni\u0173 nustatymu, bet \u017eeng\u0117 dar vien\u0105 \u017eingsn\u012f ir sugrupavo \u0161iuos skirtingus kintamuosius pagal du m\u0117nesius, sudarydamas kintam\u0173j\u0173 s\u0105ra\u0161\u0105 ir i\u0161tirdamas, kaip jie s\u0105veikavo laikui b\u0117gant. Taigi, jiems pavyko pateikti trumpalaik\u0119 prognoz\u0119, kuri, j\u0173 teigimu, yra tris kartus tikslesn\u0117 ir geresn\u0117 nei atlikus vieno kintamojo analiz\u0119.<\/p>\n

Tada jie i\u0161nagrin\u0117jo, kurie sezoniniai klimato kintamieji l\u0117m\u0117 prast\u0105 arba pernelyg ger\u0105 derli\u0173, ir visi\u0161kai ne\u012ftrauk\u0117 t\u0173, kurie l\u0117m\u0117 artim\u0105 vidutiniam derliui. Kitaip tariant, vertinant minimal\u0173 ir maksimal\u0173 derli\u0173, jie gal\u0117jo i\u0161 esm\u0117s sutelkti d\u0117mes\u012f \u012f klimato kintam\u0173j\u0173 poveik\u012f gamybai, nepriklausomai nuo to, k\u0105 daro kiekvienas gamintojas.<\/p>\n

Taip pat naudinga kalbant apie Bactrocera Oleae (alyvuogi\u0173 vaisin\u0117 mus\u0117)<\/a><\/p>\n

Tyr\u0117jai teigia, kad jei algoritmas ir toliau bus apmokytas naudojant daugiau geografini\u0173 duomen\u0173, tuo \u201cbendresn\u0117s\u201d taps jo teikiamos prognoz\u0117s ir tod\u0117l j\u012f bus galima naudoti valstyb\u0117s mastu ar net didesniu mastu.<\/p>\n

\u0160i\u0105 tem\u0105 i\u0161ry\u0161kino specializuota svetain\u0117. Alyvuogi\u0173 aliejaus laikai<\/strong><\/a>, kuriame tyrime dalyvavusi tyr\u0117ja Ariana Di Paola teig\u0117: \u201cStengiam\u0117s suprasti klimato rodiklius, kurie gali sukelti blogas s\u0105lygas ir su tuo susijusias neigiamas pasekmes alyvuogi\u0173 auginimui. Toki\u0173 rodikli\u0173 pavyzd\u017eiai yra s\u0105lygos, palankios alyvmed\u017ei\u0173 mus\u0117s vystymuisi, arba auk\u0161ta \u017eiemos temperat\u016bra, kuri gali pakeisti alyvmed\u017ei\u0173 cikl\u0105 ir tur\u0117ti \u012ftakos \u017eyd\u0117jimui bei apdulkinimui. Kiekvieno momento sezoni\u0161kumo supratimas leid\u017eia mums numatyti, ko tur\u0117tume tik\u0117tis artimiausioje ateityje. Tai trumpalaikiai scenarijai, kuriais remiantis galima pagr\u012fsti investicijas, imtis prevencini\u0173 priemoni\u0173 ir veiksm\u0173 agronomin\u0117s praktikos srityje.\u201d<\/p>\n

\u0160ALTINIS:\u00a0Dirbtinis intelektas: tarptautin\u0117 tyr\u0117j\u0173 komanda \u012fdieg\u0117 inovacij\u0173 alyvuogi\u0173 aliejaus gamyboje<\/a> \u2013 sofokleousin.gr<\/p>\n

\"Dirbtinis<\/p>\n

Alyvuogi\u0173 auginimas: derliaus didinimas ir i\u0161laid\u0173 ma\u017einimas pasitelkiant dirbtin\u012f intelekt\u0105<\/h2>\n

\u201eOlive Oil Times\u201c duomenimis, Andal\u016bzijos tyr\u0117jai kuria nauj\u0105 \u012frank\u012f, kuris leis \u016bkininkams pasinaudoti... Dirbtinis intelektas (DI)<\/a> kad \u017einot\u0173, kada j\u0173 alyvuog\u0117s bus paruo\u0161tos derliui.<\/p>\n

Citoliva<\/a>, ne pelno siekianti tyrim\u0173 ir technologij\u0173 bendrov\u0117, laikosi nuomon\u0117s, kad jos dirbtiniu intelektu pagr\u012fstas prognozavimo modelis gal\u0117t\u0173 padidinti derli\u0173 ir suma\u017einti gamybos s\u0105naudas. Jos vadovai skai\u010diuoja, kad toks modelis bus paruo\u0161tas komerciniam naudojimui per dvejus metus.<\/p>\n

Kartu su Ispanijos pramon\u0117s, prekybos ir turizmo ministerija bei keturiais \u201eCitoliva\u201c priva\u010diojo sektoriaus partneriais, dirban\u010diais prie projekto, organizacija mano, kad naujoji technologija leis \u016bkininkams numatyti maksimalaus alyvuogi\u0173 aliejaus kiekio moment\u0105 be pakartotini\u0173 kelioni\u0173 \u012f giraites.<\/p>\n

Tyr\u0117jai prid\u016br\u0117, kad tikimasi, jog tai suma\u017eins informacijos analizei skirt\u0105 laik\u0105 ir derliaus nu\u0117mimo i\u0161laidas, tuo pa\u010diu sudarant s\u0105lygas tikslesniems gamybos \u012fvertinimams.<\/p>\n

\u201c\u0160iuo metu \u012frankis yra tyrim\u0173 etape. Id\u0117ja yra ta, kad jis veikt\u0173 su palydovini\u0173 vaizd\u0173 ir ant\u017eemini\u0173 jutikli\u0173 teikiam\u0173 duomen\u0173 deriniu, o \u016bkininkas gal\u0117t\u0173 j\u012f valdyti savo mobiliajame \u012frenginyje\u201d, \u2013 sak\u0117 Carmen Capiscol, \u201cCitoliva\u201d tyrim\u0173, pl\u0117tros ir inovacij\u0173 vadov\u0117, pridurdama: \u201ePotencial\u016bs vartotojai dar nenustatyti, ta\u010diau tik\u0117tina, kad bus siekiama \u012ftraukti kooperatyv\u0173 narius, o ne individualius gamintojus.\u201c<\/p>\n

Nepaisant kainos ir naudojimo paprastumo, \u201eCapsicol\u201c mano, kad \u0161i priemon\u0117 pad\u0117s alyvuogi\u0173 augintojams nuimti derli\u0173 tinkamiausiu laiku. Tai laikoma dar svarbesniu d\u0117l klimato s\u0105lyg\u0173 ir modeli\u0173 pasikeitimo Andal\u016bzijoje ir visame Vidur\u017eemio j\u016bros baseine, d\u0117l kurio kai kurie svarbiausi alyvmed\u017ei\u0173 vystymosi momentai kei\u010diasi.<\/p>\n

Ta\u010diau verta pamin\u0117ti, kad tyr\u0117jai dar nenustat\u0117 reikaling\u0173 jutikli\u0173 \u012frengimo ar ne\u0161iojamojo prietaiso naudojimo \u016bkininkams kainos.<\/p>\n

\u0160ALTINIS:\u00a0Alyvuogi\u0173 auginimas \u2013 derliaus didinimas ir i\u0161laid\u0173 ma\u017einimas pasitelkiant dirbtin\u012f intelekt\u0105 (DI)<\/a> \u2013 Ypaithros.gr<\/p>\n

\"\"<\/p>\n

Dirbtinis intelektas kei\u010dia meteorologij\u0105<\/h2>\n

\u201eGoogle\u201c, \u201eHuawei\u201c ir kitos \u012fmon\u0117s pristato dirbtinio intelekto modelius, kurie pagerina or\u0173 prognozi\u0173 tikslum\u0105.<\/h3>\n

Naujos kartos dirbtinio intelekto (DI) algoritmai, kai kurie i\u0161 j\u0173 veikia net paprastame ne\u0161iojamajame kompiuteryje, \u017eada geresn\u0117s or\u0173 prognoz\u0117s nei \u0161iandieniniai meteorolog\u0173 modeliai<\/strong> kuriems reikalingi superkompiuteriai. Naujausias patobulinimas yra i\u0161 Gilusis m\u0105stymas<\/a>, dirbtinio intelekto bendrov\u0117, dabar priklausanti \u201eGoogle\u201c grupei, kuri \u017eurnale \u201eScience\u201c pristat\u0117 dirbtinio intelekto model\u012f, kuris jau si\u016blo auk\u0161\u010diausio lygio na\u0161um\u0105.<\/p>\n

\u201eGraphCast\u201c modelis pateikia tikslesnius duomenis de\u0161imties dien\u0173 or\u0173 prognoz\u0117s<\/strong> nei \u012fprastas modelis Europos vidutin\u0117s trukm\u0117s or\u0173 prognozi\u0173 centras (ECMWF)<\/a>, laikoma pirmaujan\u010dia pasaulyje meteorologijos tarnyba. Galutinis algoritmas de\u0161imties dien\u0173 prognoz\u0117ms pateikti u\u017etrunka ma\u017eiau nei minut\u0119. O naujasis modelis prognozes pateikia per kelias minutes, tod\u0117l jam tereikia paprasto kompiuterio, kitaip nei ECMWF superkompiuteriams, kurie kiekvienai prognozei parengti u\u017etrunka valandas.<\/p>\n

\u0160vietimas \u0160iandien meteorolog\u0173 naudojami matematiniai modeliai padalija \u017dem\u0119 \u012f didelius kvadratus ir, remdamiesi skys\u010di\u0173 fizikos d\u0117sniais, imituoja atmosferos elgsen\u0105 ateityje, kaip atspirties ta\u0161k\u0105 remdamiesi turimais dabartini\u0173 s\u0105lyg\u0173 matavimais. \u0160is metodas reikalauja daug skai\u010diavimo i\u0161tekli\u0173, ir nedaug meteorologijos tarnyb\u0173 gali sau leisti atnaujinti savo ataskaitas daugiau nei keturis kartus per dien\u0105. Prie\u0161ingai, dirbtinio intelekto modeliai nesprend\u017eia fizikos lyg\u010di\u0173. Jie mokomi pavyzd\u017ei\u0173 \u2013 ankstesni\u0173 met\u0173 meteorologini\u0173 steb\u0117jim\u0173 \u2013 pagalba atpa\u017einti atmosferos elgsenos modelius ir numatyti, kaip s\u0105veikauja tokie parametrai kaip sl\u0117gis, temperat\u016bra ir v\u0117jo greitis.<\/p>\n

\u201eGraphCast\u201c apmokymui \u201eDeepMind\u201c tyr\u0117jai panaudojo 40 met\u0173 ECMWF duomenis. Procesui atlikti prireik\u0117 de\u0161im\u010di\u0173 kompiuteri\u0173 ir keturi\u0173 savai\u010di\u0173, ta\u010diau galutiniam, apmokytam algoritmui reikia ma\u017eiau nei minut\u0117s, kad parengt\u0173 de\u0161imties dien\u0173 prognozes, kurios 90 % lyginam\u0173j\u0173 tyrim\u0173 rezultat\u0173 pranoksta \u012fprastas ECMWF prognozes.<\/p>\n

\u201cDeepMind\u201d algoritmas n\u0117ra vienintelis, pasiek\u0119s \u012fsp\u016bding\u0173 rezultat\u0173. Anks\u010diau \u0161iais metais Kinijos bendrov\u0117 \u201eHuawei\u201c, geriausiai \u017einoma d\u0117l savo mobili\u0173j\u0173 telefon\u0173, \u017eurnale \u201eNature\u201c pristat\u0117 savo pana\u0161\u0173 model\u012f, o \u201eGoogle\u201c pristat\u0117 eksperimentin\u012f 24 valand\u0173 prognozavimo \u012frank\u012f \u201eMetNet-3\u201c, kuris tikslumu lenkia daugum\u0105 or\u0173 tarnyb\u0173 ataskait\u0173. Pats ECMWF nuo rugs\u0117jo m\u0117nesio si\u016blo dirbtinio intelekto eksperimentinius duomenis. Pa\u017eanga \u012fsp\u016bdinga, nors kai kurie meteorologai ir fizikai teb\u0117ra skepti\u0161ki, i\u0161 dalies d\u0117l to, kad naujoji technologija veikia kaip \u201ejuodoji d\u0117\u017e\u0117\u201c, kuri pateikia rezultatus, bet nepaai\u0161kina, kaip jie buvo gauti. Tik\u0117tina, kad dirbtinis intelektas bus naudojamas kartu su ir papildomai prie matematini\u0173 atmosferos modeli\u0173.<\/p>\n

Ta\u010diau neabejotina, kad dirbtinis intelektas meteorologijoje pasiliko.<\/p>\n

Vangelis Pratikakis\u00a0<\/p>\n

\u0160ALTINIS: Dirbtinis intelektas kei\u010dia meteorologij\u0105<\/a> \u2013 www.in.gr<\/p>\n

Susij\u0119 straipsniai:<\/h2>\n

Alyvuogi\u0173 aliejaus kainos 2023 m. \u2013 kod\u0117l alyvuogi\u0173 aliejaus kainos i\u0161augo<\/a><\/h3>\n

Alyvuogi\u0173 aliejus: Tarptautin\u0117 alyvuogi\u0173 aliejaus gamyba ir vartojimas \u2013 Alyvuogi\u0173 aliejaus gamyba ir vartojimas Graikijoje<\/a><\/h3>\n

Pasaulin\u0117 alyvuogi\u0173 aliejaus gamyba smarkiai suma\u017e\u0117jo (2023 m.), ta\u010diau Graikijoje gamyba smarkiai i\u0161augo.<\/a><\/h3>\n

Dirbtinio intelekto diegimas \u017eem\u0117s \u016bkyje, siekiant optimizuoti dr\u0117kinim\u0105 ir pesticid\u0173 bei herbicid\u0173 naudojim\u0105<\/a><\/h3>\n

\"Graikijos Alyvuogi\u0173 aliejaus didmenin\u0117 prekyba \u2013 Alyvuogi\u0173 aliejaus didmenin\u0117s prekybos tiek\u0117jai ir platintojai<\/p>\n

CRITIDA BIO CRETAN OLIVE ALIEJUS \u2013 auk\u0161\u010diausios kokyb\u0117s Kretos kulinarijos produkt\u0173 gamintojai: m\u016bs\u0173 maisto produktai eksportuojami \u012f vis\u0105 pasaul\u012f, daugiau nei 40 \u0161ali\u0173, nuo 1998 m. \u2013 Prisijunkite prie m\u016bs\u0173! <\/a><\/h2>\n

Esame \u0161imtme\u010dius gyvuojanti \u0161eimos \u012fmon\u0117 (\u012fkurta 1912 m.), gaminanti EVOO alyvuogi\u0173 aliej\u0173 Kretos saloje, Graikijoje. M\u016bs\u0173 auk\u0161\u010diausios kokyb\u0117s Kretos ypa\u010d tyras alyvuogi\u0173 aliejus ir kulinarijos produktai eksportuojami \u012f daugiau nei 40 pasaulio \u0161ali\u0173 kruop\u0161\u010diai atrinktiems partneriams. SUSISIEKITE SU MUMIS, B\u016aKITE M\u016aS\u0172 KITAME VERTINGAME VERSLO PARTNERIU! Ypa\u010d tyras alyvuogi\u0173 aliejus (EVOO) \u2013 ekologi\u0161kas (BIO) ypa\u010d tyras alyvuogi\u0173 aliejus (ekologi\u0161kas EVOO) \u2013 graiki\u0161kos stalo alyvuog\u0117s \u2013 balzaminis actas \u2013 delikatesai \u2013 viskas i\u0161 Kretos, Graikijos.<\/p>\n

Prisijunkite prie m\u016bs\u0173 ir tapkite alyvuogi\u0173 aliejaus tiek\u0117ju \/ didmenininku! <\/a><\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Artificial Intelligence and Olive Oil Cultivation and Production Artificial intelligence: international research team brought Innovation in olive oil production Short-term<\/p>","protected":false},"author":5,"featured_media":1036,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[104],"tags":[283,284,285,143],"class_list":["post-1035","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","tag-ai","tag-artificial-intelligence","tag-olive-oil-cultivation","tag-olive-oil-production"],"permalink_manager":null,"_links":{"self":[{"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/posts\/1035","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/comments?post=1035"}],"version-history":[{"count":0,"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/posts\/1035\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/media\/1036"}],"wp:attachment":[{"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/media?parent=1035"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/categories?post=1035"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/critida.com\/lt\/wp-json\/wp\/v2\/tags?post=1035"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}