Малайзия совершает революцию в сельском хозяйстве: создана умная система полива на базе ИИ с точностью 95%

Сельское хозяйство уже давно использует возможности искусственного интеллекта для повышения эффективности, но в Малайзии удалось совершить настоящий прорыв в области рационального использования водных ресурсов.

В орошаемом земледелии любая ошибка при распределении воды оборачивается серьезными финансовыми потерями и стрессом для растений. Чтобы решить эту проблему, в Малайзии протестировали интеллектуальную систему, объединяющую подземные датчики, метеорологические данные и ИИ для прогнозирования влажности почвы в режиме реального времени.

Группа исследователей под руководством Шамалы Маниам опубликовала результаты своей работы в научном журнале Smart Agricultural Technology. Согласно отчету, 95,49% прогнозов системы попали в диапазон погрешности менее 5% по сравнению с реальными показателями.

Как работает интеллектуальное орошение в Малайзии

В то время как многие страны только начинают внедрять ИИ в агросекторе, малайзийские ученые пошли дальше, сосредоточившись на мониторинге влажности непосредственно в корневой зоне растений.

Для реализации проекта были установлены датчики влажности почвы, подключенные к сети Интернета вещей (IoT). Эта сеть непрерывно собирает данные и передает их модели искусственного интеллекта, которая анализирует будущие изменения состояния почвы.

В качестве технологической базы была выбрана нейронная сеть типа RNN-LSTM. Этот тип ИИ идеально подходит для обработки данных, меняющихся во времени. Для сельского хозяйства это критически важно, так как почва реагирует на внешние факторы не мгновенно: последствия дождя, жары или поглощения воды растениями могут проявиться лишь спустя несколько часов.

Ученые тестировали систему в течение шести месяцев, стремясь превратить сухие цифры в удобный инструмент для точного планирования полива и принятия агротехнических решений.

Экономия воды с помощью ИИ

Традиционно полив основывается на поверхностных замерах, визуальном осмотре или личном опыте фермера. Такие методы неэффективны и оставляют огромную вероятность ошибки.

Преждевременный полив ведет к пустой трате воды и может навредить урожаю, а задержка вызывает у растений водный дефицит, снижая урожайность. Новая система позволяет устранить эти «слепые зоны».

Исследование показало высокую точность модели: среднеквадратичная ошибка (RMSE) составила 1,222, а коэффициент детерминации R² достиг 0,6723. Это означает, что модель ИИ способна предсказывать уровень влажности с точностью, достаточной для эффективного управления поливом.

Внедрение такой технологии позволит фермерам точно знать, когда почва еще удерживает влагу, а когда она действительно нуждается в увлажнении.

С какими трудностями столкнулась система

Несмотря на многообещающие результаты, система столкнулась с трудностями во время сильных ливней. Именно в такие моменты влажность почвы меняется наиболее резко и непредсказуемо.

Чтобы минимизировать ошибки, исследователи скорректировали обучение модели, применив функцию потерь Хубера (Huber loss). После этого изменения коэффициент точности R² вырос до 0,70.

Тем не менее, работа еще не закончена. Сами авторы исследования отмечают, что систему необходимо протестировать в разные сезоны и адаптировать для работы на больших участках со сложным рельефом. Технология доказала свою работоспособность, но ей требуются дополнительные испытания перед масштабным внедрением на фермах по всему миру.