Hvordan kan billeder indsamlet på marken hjælpe landmænd og rådgivere med at beslutte, hvor de skal kigge, hvad de skal undersøge, og hvordan arbejdet skal planlægges?
Det er det centrale spørgsmål i et forsøg, som præsenteres som en del af OdinsAEye-projektet.
Forsøget tager udgangspunkt i Mariesminde-casen, som omfatter cirka 1.100 hektar fordelt på 90 marker. Den viser, hvordan kamerateknologi, kunstig intelligens, agronomisk viden og praktisk landbrugserfaring kan kombineres for at skabe et bedre overblik over, hvad der sker på marken.
Når teknologi og landbrug forbindes
OdinsAEye samler forskere, teknologispecialister, agronomer, virksomheder og landmænd. De forskellige partnere bidrager med ekspertise inden for blandt andet kameraer og billedindsamling, AI og billedanalyse, maskinintegration, ukrudtskortlægning og praktisk landbrugsdrift.
I Mariesminde-casen bygger projektet videre på eksisterende kortlægning fra RoboWeedMaps og samarbejdet med Patriotisk Selskab. Målet er ikke blot at indsamle flere billeder, men at omsætte billederne til information, der kan understøtte beslutninger.
Hvad skal vi kigge på først?
Når omkring 90 marker skal håndteres, opstår et af de første spørgsmål, som egentlig er ganske enkelt:
Hvor skal vi kigge først?
Billeder, der indsamles under arbejdet på marken, kan give observationer knyttet til både sted og tidspunkt. Det skaber en digital registrering af, hvad der er observeret på marken, og gør det muligt for landmænd og rådgivere at undersøge områder, der kræver opmærksomhed.
Demonstrationen viser, hvordan informationen kan udforskes gennem kort og billeder – fra et overblik over ukrudtsobservationer til enkelte marker og specifikke planter.
Et nærmere kig på planterne
Et af de centrale eksempler fokuserer på kornblomster i mark 406-0.
I stedet for blot at præsentere AI-modellens resultat viser demonstrationen også billederne bag klassifikationen – både tydelige eksempler og eksempler, hvor modellen er mere usikker. Det gør det muligt at se nærmere på, hvad modellen faktisk registrerer, og giver agronomerne mulighed for at udfordre og kvalificere computerens vurdering.
Billeder taget før og efter en behandling kan derefter rejse nye spørgsmål. Hvis der for eksempel findes kornblomster efter behandlingen, kan billederne danne udgangspunkt for at undersøge faktorer som bestand, tidspunkt, behandling og forholdene på marken.
Værdien af billederne er derfor ikke, at de automatisk besvarer alle spørgsmål, men at de gør det muligt at stille mere præcise spørgsmål.
Fra enkelte planter til planlægning af markarbejdet
Forsøget viser også, hvordan information fra individuelle observationer kan anvendes i større skala.
Forskellige dele af den samme mark kan have meget forskellige forhold. Ukrudtstrykket langs for eksempel forageren kan være anderledes end midt på marken. Koncentrerede fund kan være med til at identificere områder, hvor det kan være relevant at foretage en nærmere inspektion.
Næste skridt er at omsætte denne information til en praktisk arbejdsplan.
Hvis flere marker har sammenlignelige behandlingsbehov og timing, kan de være kandidater til at blive håndteret samlet. I demonstrationen bruges markerne 38-2, 38-3, 38-4 og 38-5 som eksempel på, hvordan flere marker potentielt kan få en første behandling samlet, samtidig med at de senere på sæsonen kan have forskellige behov.
Fra data til beslutninger
Det er i sidste ende det, OdinsAEye undersøger: Hvordan kan data fra marken blive nyttige i den daglige beslutningstagning i landbruget?
Teknologien kan hjælpe med at identificere, hvor man skal kigge, give adgang til billeder, der understøtter en vurdering, og skabe et mere detaljeret overblik over variationer inden for og mellem marker.
Men landmanden og rådgiveren er fortsat en afgørende del af processen. Deres agronomiske viden er nødvendig for at fortolke observationerne og beslutte, hvilken handling der eventuelt skal følge.
Næste skridt er at afprøve denne arbejdsgang sammen med udvalgte kunder i pilotprojekter med fokus på konkrete beslutninger og på at måle, hvordan teknologien påvirker arbejdet på marken.
OdinsAEye arbejder mod en fremtid, hvor marken selv leverer mere af den information, der er nødvendig for at beslutte, hvad der skal ske som det næste – fra den enkelte plante til planlægningen af en hel arbejdsdag.