AI કોવિડ પછીની વધુ સ્માર્ટ એગ્રીકલ્ચર બનાવવામાં મદદ કરે છે

હવે જ્યારે વિશ્વ ધીમે ધીમે કોવિડ-19 લોકડાઉનમાંથી ફરી ખુલ્યું છે, ત્યારે આપણે હજુ પણ તેની સંભવિત લાંબા ગાળાની અસર જાણતા નથી.જો કે, એક વસ્તુ કાયમ બદલાઈ ગઈ હશે: કંપનીઓ જે રીતે કામ કરે છે, ખાસ કરીને જ્યારે તે ટેક્નોલોજીની વાત આવે છે.કૃષિ ઉદ્યોગે નવી અને હાલની ટેક્નોલોજીઓ સાથે કામ કરવાની રીતમાં ક્રાંતિ લાવવા માટે પોતાની જાતને એક અનોખી સ્થિતિમાં સ્થાન આપ્યું છે.

COVID-19 રોગચાળો એઆઈ ટેક્નોલોજી અપનાવવાની પ્રક્રિયાને વેગ આપે છે
આ પહેલા, કૃષિમાં AI ટેક્નોલોજીનો સ્વીકાર પહેલેથી જ વધી રહ્યો હતો, અને કોવિડ-19 રોગચાળાએ માત્ર તે વૃદ્ધિને વેગ આપ્યો છે.ડ્રોનને ઉદાહરણ તરીકે લઈએ તો, 2018 થી 2019 સુધીમાં કૃષિ ડ્રોનના ક્ષેત્રમાં વર્ટિકલ એપ્લિકેશન્સમાં 32% નો વધારો થયો છે. 2020ની શરૂઆતમાં ઉથલપાથલ સિવાય, પરંતુ માર્ચના મધ્યભાગથી, અમે ખરેખર કૃષિ ડ્રોનના વપરાશમાં 33% નો વધારો જોયો છે. એકલા યુએસમાં.

છબી001

કૃષિ વ્યવસાયિકોને ઝડપથી સમજાયું કે ડ્રોન ડેટા સોલ્યુશન્સમાં રોકાણ કરવાથી હજુ પણ મૂલ્યવાન કાર્ય થઈ શકે છે જેમ કે ફિલ્ડ મોજણી અને દૂરથી સીડીંગ, જ્યારે મનુષ્યને સુરક્ષિત રાખી શકાય છે.કૃષિ ઓટોમેશનમાં આ વધારો કોવિડ-19 પછીના યુગમાં ઉદ્યોગની નવીનતાને આગળ ધપાવવાનું ચાલુ રાખશે અને સંભવિતપણે ખેતી પ્રક્રિયાઓને વધુ સારી બનાવશે.

સ્માર્ટ પ્લાન્ટિંગ, ડ્રોન અને કૃષિ મશીનરીનું એકીકરણ
સૌથી વધુ વિકસિત થવાની સંભાવના ધરાવતી કૃષિ પ્રવૃત્તિઓમાંની એક ખેતી પ્રક્રિયા છે.હાલમાં, ડ્રોન સૉફ્ટવેર જમીનમાંથી છોડના ઉભરી આવ્યા પછી તરત જ આપમેળે ગણતરી કરવાનું શરૂ કરી શકે છે કે શું તે વિસ્તારમાં ફરીથી રોપવાની જરૂર છે કે કેમ.ઉદાહરણ તરીકે, DroneDeploy નું AI કાઉન્ટિંગ ટૂલ આપમેળે ફળોના ઝાડની ગણતરી કરી શકે છે અને તે સમજવામાં પણ મદદ કરી શકે છે કે કયા બીજ વિવિધ પ્રકારની જમીન, સ્થાન, આબોહવા અને વધુમાં શ્રેષ્ઠ પ્રદર્શન કરે છે.

છબી003

ડ્રોન સોફ્ટવેરને માત્ર ઓછા પાકની ગીચતાવાળા વિસ્તારોને શોધવા માટે જ નહીં, પણ પુનઃ રોપણી માટે પ્લાન્ટરોમાં ડેટા ફીડ કરવા માટે સાધન વ્યવસ્થાપન સાધનોમાં પણ વધુને વધુ એકીકૃત કરવામાં આવી રહ્યું છે.આ AI ઓટોમેશન કયા બીજ અને પાક રોપવા તે અંગે ભલામણો પણ કરી શકે છે.

પાછલા 10-20 વર્ષના ડેટાના આધારે, કૃષિ વ્યાવસાયિકો નક્કી કરી શકે છે કે આગાહી કરેલ હવામાન પરિસ્થિતિઓમાં કઈ જાતો શ્રેષ્ઠ પ્રદર્શન કરશે.ઉદાહરણ તરીકે, ફાર્મર્સ બિઝનેસ નેટવર્ક હાલમાં લોકપ્રિય ડેટા સ્ત્રોતો દ્વારા સમાન સેવાઓ પ્રદાન કરે છે, અને AI પાસે વધુ સમજદારીપૂર્વક અને સચોટ રીતે કૃષિ વિષયક સલાહનું વિશ્લેષણ, આગાહી અને પ્રદાન કરવાની ક્ષમતા છે.

પાકની ઋતુઓની પુનઃકલ્પના
બીજું, એકંદરે પાકની મોસમ વધુ કાર્યક્ષમ અને ટકાઉ બનશે.હાલમાં, AI સાધનો, જેમ કે સેન્સર અને એગ્રોમેટિયોલોજિકલ સ્ટેશન, સર્વેક્ષણ ક્ષેત્રોમાં નાઇટ્રોજન સ્તર, ભેજની સમસ્યાઓ, નીંદણ અને ચોક્કસ જીવાતો અને રોગો શોધી શકે છે.ઉદાહરણ તરીકે બ્લુ રિવર ટેક્નોલોજી લો, જે નીંદણ દૂર કરવા માટે જંતુનાશકોને શોધવા અને નિશાન બનાવવા માટે સ્પ્રેયર પર AI અને કેમેરાનો ઉપયોગ કરે છે.

છબી005

ઉદાહરણ તરીકે બ્લુ રિવર ટેક્નોલોજી લો, જે નીંદણ દૂર કરવા માટે જંતુનાશકોને શોધવા અને નિશાન બનાવવા માટે સ્પ્રેયર પર AI અને કેમેરાનો ઉપયોગ કરે છે.ડ્રોન સાથે જોડાણમાં, તે આ ફાર્મલેન્ડ સાઇટ્સ પર સમસ્યાઓ શોધવા અને તેનું નિરીક્ષણ કરવામાં અસરકારક રીતે મદદ કરી શકે છે, અને પછી આપમેળે અનુરૂપ ઉકેલોને સક્રિય કરી શકે છે.
ઉદાહરણ તરીકે, ડ્રોન મેપિંગ નાઈટ્રોજનની ઉણપ શોધી શકે છે અને પછી ગર્ભાધાન મશીનોને નિયુક્ત વિસ્તારોમાં કામ કરવા માટે સૂચિત કરી શકે છે;તેવી જ રીતે, ડ્રોન પણ પાણીની અછત અથવા નીંદણની સમસ્યાઓ શોધી શકે છે અને AI ને નકશાની માહિતી પ્રદાન કરી શકે છે, તેથી ફક્ત ચોક્કસ ક્ષેત્રોને સિંચાઈ કરવામાં આવે છે અથવા નીંદણ પર માત્ર દિશાત્મક હર્બિસાઇડનો છંટકાવ કરવામાં આવે છે.

છબી007

ખેતરની લણણી સારી થઈ શકે છે
છેવટે, AI ની મદદથી, પાકની લણણી વધુ સારી બનવાની ક્ષમતા ધરાવે છે, કારણ કે ખેતરોમાં લણણી કયા ક્રમમાં થાય છે તેના પર આધાર રાખે છે કે કયા ખેતરોમાં પ્રથમ પાક પાકવા અને સુકાઈ જવાનો છે.ઉદાહરણ તરીકે, મકાઈને સામાન્ય રીતે 24-33%ના ભેજના સ્તરે લણણી કરવાની જરૂર છે, વધુમાં વધુ 40%.જે પીળા કે ભૂરા ન થયા હોય તેને લણણી પછી યાંત્રિક રીતે સૂકવવા પડશે.પછી ડ્રોન ઉત્પાદકોને તે માપવામાં મદદ કરી શકે છે કે કયા ખેતરોમાં તેમની મકાઈ શ્રેષ્ઠ રીતે સુકાઈ ગઈ છે અને પહેલા ક્યાં લણણી કરવી તે નિર્ધારિત કરી શકે છે.

છબી009

આ ઉપરાંત, AI વિવિધ વેરિયેબલ્સ, મોડેલિંગ અને બીજ આનુવંશિકતા સાથે મળીને પણ આગાહી કરી શકે છે કે કઈ બીજની જાતો પ્રથમ લણવામાં આવશે, જે વાવેતરની પ્રક્રિયામાં તમામ અનુમાનને દૂર કરી શકે છે અને ઉત્પાદકોને વધુ અસરકારક રીતે પાક લણવા માટે પરવાનગી આપે છે.

image011

કોરોનાવાયરસ પછીના યુગમાં કૃષિનું ભાવિ
COVID-19 રોગચાળો નિઃશંકપણે કૃષિ માટે પડકારો લાવ્યો છે, પરંતુ તે ઘણી તકો પણ લાવ્યો છે.

image013

બિલ ગેટ્સે એક વખત કહ્યું હતું કે, "અમે હંમેશા આગામી બે વર્ષમાં થતા ફેરફારને વધુ પડતો આંકીએ છીએ અને આગામી દસ વર્ષમાં આવનારા ફેરફારને ઓછો આંકીએ છીએ."અમે જે ફેરફારોની આગાહી કરીએ છીએ તે કદાચ તરત જ નહીં થાય, પરંતુ આગામી ડઝન વર્ષોમાં મોટી શક્યતાઓ છે.અમે ડ્રોન અને AIનો કૃષિમાં એવી રીતે ઉપયોગ થતો જોઈશું જેની આપણે કલ્પના પણ કરી શકતા નથી.
2021 માં, આ પરિવર્તન પહેલેથી જ થઈ રહ્યું છે.AI કોવિડ પછીની ખેતીની દુનિયા બનાવવામાં મદદ કરી રહ્યું છે જે પહેલાં કરતાં વધુ કાર્યક્ષમ, ઓછું નકામું અને સ્માર્ટ છે.


પોસ્ટનો સમય: માર્ચ-15-2022