Владеющая Google компания сделала багги для сельского хозяйства

Владеющая Google компания Alphabet представила прототип электрического багги, который может ездить по полям и собирать данные о растениях. После обработки этой информации ученые могут судить, в какой среде тот или иной вид растений растет лучше.

X moonshot factory — это исследовательская группа, работающая над решением глобальных проблем с помощью технологических инноваций. Новый проект, получивший название Mineral, направлен на использование передового программного и аппаратного обеспечения, чтобы позволить производителям выращивать больше разнообразных растительных культур и следить за их состоянием. Для этого компания представила специальный электрический багги, который может проверять растения и выполнять другие трудозатратные работы.

В конце концов в рамках нового проекта компания планирует создать отрасль вычислительного сельского хозяйства, в которой фермеры будут использовать передовое оборудование, программное обеспечение и датчики, чтобы эффективно выращивать более 30 000 съедобных видов растений по всему миру. Это могло бы позволить находить и создавать более устойчивые в определенных условиях культуры, а также уменьшить количество используемых в отрасли удобрений.

Начать специалисты компании решили со сбора информации и ее анализа. Для этого они создали багги, способный собирать информацию о процессах роста растения в различных средах. С помощью GPS машина может точно определять местоположение каждого растения, а затем использует камеры и датчики, чтобы собрать информацию о его здоровье.

Ученые уже испытали машину на калифорнийских полях и показали, что она может отлично мониторить состояние дынь, салата-латука, овса и других культур. Машина выдает достаточно большой набор данных для каждого растения, замеряя размер его листьев и плодов, высоту и число бобов. К этому массиву затем добавляются данные о погоде и состоянии почвы, а также со спутниковые снимки, после чего алгоритм с машинным обучением выявляет закономерности и старается понять, как растения растут в конкретной среде. Авторы разработки надеются, что разработка в будущем поможет фермерам лучше прогнозировать урожайность сельскохозяйственных культур и увеличить их производство.