Os silos são mais do que apenas um lugar para armazenar grãos nas fazendas Paulman. Eles também representam bolsões isolados de rendimento, umidade, máquina, e dados de nutrientes que poderiam ajudar o Sutherland, Nebraska, operação tire o máximo proveito dos quase 10, 000 hectares que cobre.
Roric Paulman conta com 40 aplicativos diferentes para controlar e monitorar as 14 plantações de sequeiro e irrigadas cultivadas na terra. O software gera um terabyte de dados específicos do site todos os meses, o que equivale a 75 milhões de páginas de informações.
Essas informações são essenciais para ajudá-lo a tomar decisões de gerenciamento sólidas. O problema é, ninguém criou um sistema que conecte os pontos sem esforço para dar a Paulman melhores percepções. Também, se ele não consegue acessar as informações de seu smartphone, ele não está interessado. “Os aplicativos e as informações coletadas deixaram de ser úteis, ”Diz Paulman, que cultiva com a esposa Deb e o filho Zachary.
Criação de uma solução
Empresas com uma longa história na agricultura têm trabalhado para construir um sistema amigável que processa e integra perfeitamente dados de uma miríade de aplicativos. Ainda, o compartilhamento de dados e a interoperabilidade ainda não são fáceis ou ininterruptos.
Essas empresas também enfrentam um problema próprio:como colaboram com outras para desenvolver uma solução e, ao mesmo tempo, permanecem competitivas? À medida que os atuais atores da agricultura trabalham em uma resolução, estranhos como a IBM estão surgindo com sua própria abordagem.
Lançado em 2018, a Watson Decision Platform for Agriculture aproveita o poder da inteligência artificial (IA) para analisar silos de dados e, em seguida, gerar percepções baseadas em evidências. O Watson começa criando uma representação digital de um campo. Este registro eletrônico de campo (EFR) inclui solo, equipamento, prática agrícola e fluxo de trabalho, e dados de imagens. Ele também pode aceitar dados meteorológicos da The Weather Company.
Aplicando AI, aprendizado de máquina, e análises avançadas para o EFR, a plataforma destaca os principais fatores que podem afetar os rendimentos das culturas, como a temperatura do solo, níveis de umidade, estresse da colheita, pragas, e doenças. Em última análise, cada EFR se torna um gêmeo digital de tudo o que acontece nos 113 campos de Paulman. Um painel unificado permite que ele veja e monitore facilmente os dados, bem como receba alertas quando elementos críticos, como o clima, podem afetar uma cultura.
A dificuldade com muitas das decisões que Paulman tenta tomar é que elas são baseadas biologicamente. “Eles quase sempre são influenciados pelo clima que ainda não conhecemos. Ter a capacidade de prever condições deve ser parte integrante de qualquer plataforma de decisão, ”Diz Kenneth Sudduth, engenheiro agrônomo pesquisador do USDA-ARS.
Além disso, o processo deve ser automatizado do início ao fim. Tecnologias como orientação automática, desligamentos, e controle de altura de lança - sistemas que tinham pouco ou nenhum controle humano direto - tiveram uma adoção bastante rápida porque melhoraram o fluxo de trabalho sem exigir a interação do operador.
Hoje, muitos aplicativos exigem que os agricultores insiram informações continuamente. “Cada vez que os agricultores fazem uma entrada, há uma chance de eles acertarem, mas também há uma chance de que eles errem, ”Diz Michael Gomes, VP de desenvolvimento de negócios IoT, Topcon Agriculture.
Mais frequentes do que não, a variedade mais comum plantada é rotulada “um” porque a janela para colocar aquela semente no solo está diminuindo continuamente.
É um processo doloroso, e os agricultores estão cansados disso.
Se os agricultores puderem selecionar em uma lista de seleção, Gomes diz, o risco de errar é muito menor do que ter de digitar letra por letra ou garantir que chamem exatamente da mesma forma todas as vezes.
“Apenas cerca de 8% dos dados coletados são realmente utilizáveis, ”Diz John Fulton, professor associado da Ohio State University.
o poder de AI
Para tornar a análise melhor, um conjunto de dados muito mais limpo é necessário, e muitos acreditam que a IA pode levar os produtores até lá. Aplicá-lo aos dados fornece a Paulman uma miríade de novas habilidades.
Do ar, ele pode implantar um drone para capturar um campo de milho e usar o reconhecimento visual de IA para identificar doenças nas plantações ou uma infestação de pragas. A partir do solo, as plantas podem ser fotografadas de perto, para que Paulman possa reagir em tempo real.
“Simplificar o processo também permite que os agrônomos - que atualmente gastam 80% do seu tempo tentando coletar e analisar os dados de um fazendeiro - tomem decisões com mais confiança, ”Diz Kristen Lauria, gerente geral da Watson Media and Weather Solutions.
Colocando e organizando os dados, Paulman também pode identificar as melhores práticas para seus hectares irrigados. Com uma cota anual de 13 polegadas de água para uma safra de milho que requer cerca de 22 polegadas de água, ele deve garantir que cada gota seja usada com sabedoria. Isso significa contar com uma tecnologia que compreende que alguns solos levarão 2 centímetros de água por hora e outros que levarão ¼ de polegada por hora.
Como os preços flutuam constantemente, Watson também oferece uma ferramenta que organiza enormes quantidades de dados de preços - do elevador local de grãos aos mercados futuros - e recomenda o melhor momento para vender para maximizar o lucro. É o tipo de coleta e análise de dados que seria impossível sem IA e análises.
construindo o banco de dados
À medida que mais dados fluem, a plataforma de decisão torna-se uma solução mais robusta. Essa é a ressalva. Para que a IA seja eficaz, requer um grande banco de dados para desenhar. Os agricultores não terão apenas que permitir que outros acessem suas informações, mas também precisará compartilhar dados para tirar proveito das ferramentas digitais.
“Embora falemos sobre ter tantos dados, em muitos casos, é muito localizado. É quase como se tivéssemos muitos dados, mas não há dados suficientes ao mesmo tempo, ”Sudduth diz.
A chave, Gomes diz, é obter os dados corretos que os agricultores aceitam, para que possam agir com confiança.
Então, como você deixa os agricultores confortáveis com o compartilhamento de seus dados? Billy Tiller afirma que deve ser uma iniciativa liderada pelo produtor.
Fundada em 2012, a Grower Information Services Cooperative (GiSC) é uma cooperativa de dados de propriedade de fazendeiros que fornece armazenamento em nuvem seguro para seus membros fazendeiros. Com sede em Lubbock, Texas, a plataforma da empresa coleta e gerencia várias camadas de agronomia e dados de produção em uma variedade de culturas, incluindo milho, soja, trigo, e sorgo.
“É hora de os agricultores terem opções baseadas em motivos objetivos, não em um motivo para comprar outro produto, ”Diz Tiller, quem é o fundador e CEO da GiSC.
A IBM também acredita firmemente nas cooperativas de dados. Ao construir milhares de experiências de agricultores em um conjunto de dados, Paulman poderia entender, por exemplo, o que é comum entre todos os produtores de milho em Nebraska que está gerando rendimentos 20% acima da média, em comparação com aqueles que tiveram rendimentos 20% abaixo da média. Porque ele está vendo sua operação de uma perspectiva diferente, ele pode avaliar quais práticas estão realmente gerando melhores rendimentos e quais não estão contribuindo.
“Em vez de depender apenas de dados de suas próprias fazendas ano após ano, os agricultores também podem aprender uns com os outros, ”Lauria diz.
Acesso e compartilhamento são componentes-chave para a infraestrutura, porque o valor da análise virá de empresas diferentes, Fulton diz.
Cético em relação a empresas com grande interesse em seus dados, O Watson também oferece a independência que Paulman está procurando. “A IBM não está tentando me vender mais fertilizantes ou máquinas, " ele diz. “É uma questão de confiança.”
Seguindo em Frente
A infraestrutura é o maior componente para tornar a agricultura digital uma história de sucesso. De acordo com a Ag Gateway, 84% dos agricultores e seus parceiros de negócios de confiança dizem que acham moderada ou muito difícil compilar e analisar os dados provenientes dos campos agrícolas.
Estabelecido em 2005, A Ag Gateway vem reduzindo o atrito da interoperabilidade. Seu projeto Standardized Precision Ag Data Exchange (SPADE) produziu o Ag Data Application Toolkit (ADAPT), que permite que diferentes aplicativos de software e sistemas de hardware troquem informações perfeitamente - com ampla adoção como objetivo final. A data, 26 empresas se comprometeram com o ADAPT desenvolvendo um plug-in para seu formato de arquivo ou integrando o suporte ADAPT a seus sistemas de software.
“Usamos tecnologia onde e como podemos, porque temos que melhorar o que estamos fazendo para as gerações futuras, ”Paulman diz. “O insight dos dados nos ajuda a fazer isso.”
Até que haja um único sistema que padronize e conecte todo o ecossistema, os silos permanecerão, e o valor dos dados continuará a ser limitado para a Paulman Farms.
Desenvolvendo uma Estratégia Digital
Antes que os agricultores possam obter valor de seus dados, eles têm que criar uma base. John Fulton, Universidade Estadual de Ohio, sugere que os agricultores considerem os sete pontos abaixo ao desenvolver uma estratégia digital.
1. Identifique as tecnologias que você usa, bem como os dados gerados a partir dessas tecnologias.
2. Organize seus dados armazenados (por exemplo, ano, cortar, Fazenda, campo).
3. Armazene uma cópia original de seus dados dentro e fora da fazenda para que haja um backup.
4. Certifique-se de que os dados possam ser acessados de qualquer local e que as informações off-line sejam atualizadas assim que a conexão for restabelecida.
5. Colete dados completos e de qualidade para que você possa executar as análises desejadas.
6. Proteja os dados com senhas seguras.
7. Defina uma estratégia para compartilhar arquivos, que inclui um formato fácil de copiar dentro e fora da fazenda. Não compartilhe informações sem permissão.
