小农农民水管理中的应用
关于农业技术的促销广告描绘了AI作为科学制作的真实 - 无人机毒品患有农药喷涂的患者 - 高清摄像机使得结合收割机可以最大化从每个秸秆中切碎的籽粒。
实际上，在谈到农业时，AI仍在培训。我们处于一个早期阶段，其中机器学习算法主要用于多变量分析。在他们收集的信息之前需要一些时间可以优化种植，灌溉，投入应用程序和收获的决策。缺少培训数据的卷和质量。例如，需要在用户生成的照片中检测到害虫或植物疾病的基于计算机视觉的AI应用程序需要在害虫图像的大型和多样化数据集上培训。这些图像通常包含可变照明，角度和背景颜色。只有在培训之后，它才能发现它可能从未见过的新图像的模式，并识别给定农场的害虫。
访问现有的农业专业知识可以为建立可行和可扩展的AI申请的农业奠定基础。通过利用专家和农民网络，AI模型可以从广泛的相关数据和图像中学习。该产出可以补充农民的知识和经验，以帮助他们做出更聪明的决定，例如杀虫剂的正确配方和数量，以喷洒在害虫侵扰的阶段。
因此，可以利用AI向农民提供有针对性的，个性化和相关的见解和建议。通过这一目标，IDH，Wadhwani Ai和Dalberg设计合作，以确定Smallown农业中AI的高潜力机会。水管理优先考虑为一个持有大量承诺的领域，使小农农民受益。这些方法详述了最近的白皮书，也探讨了他们如何被带到农民，计划和政策制定者的手中，使得更智能的作物决策并推动减少水资料。
©IDH版权所有
挑战与机遇水管理
通过一系列研讨会，我们举办了水管理专家，我们试图了解影响农民决策过程的行为。这些可以总结为1）历史模式和先例和社区或政府推荐的做法;2）个人，短期利益和盈利能力。对于小农农民来说，盈利能力的前景是通过更容易量化的司机（例如，市场价格或劳动力成本）来指导，这些司机更加困难地量化（例如水或土壤条件）。由于资源有限和缺乏适当的规划工具，农民优先考虑最大化其短期，个人利益超过长期，集体效益。
下一步是识别水管理中的机会，显示出潜力为基于AI的干预措施：
- 水平衡评估和作物规划
对于农民而言，水平衡评估在多种方面是有用的，从通知作物选择以评估多种作物的潜力。对于村庄和地区，他们帮助识别地点和计划社区参与，如农场池塘等共同资源。对于各国，除了支持渔业规划等其他需求之外，他们还可以帮助作物规划，灌溉项目和农民激励计划。当今的作物选择和规划是通过易于获取市场和价格的强烈了解，因为这些是收入的核心司机。然而，考虑到影响产量，成本和市场价格的因素范围，它们具有不完美和不精确的盈利能力。水可用性，质量和使用的影响往往被忽视，因为这些很难精确测量。
- 管理灌溉时间表
有限地了解灌溉模式与盈利司机之间的相关性，持有农民从提供明智的灌溉时间表后回来。与作物选择一样，当决定灌溉时间表时，农民往往依赖历史证据和传统的农业知识。虽然这种灌溉实践可能适合某些作物，但在其他情况下，甚至种子品种的微小变化也需要不同的灌溉方法，导致灌溉或过度灌溉。灌溉还具有重要的集体行动问题。农民组织，如集体，果酒和SHG在灌溉策略中做出小组决定。但在实践中，农民不会因集体利益而促进，并倾向于使用有限的水资源过度灌溉他们的农场。
AI如何有所作为
已经进行了几次尝试，以应用基于AI的水评估解决方案。例如，预测农业用地地下水表，并优化地下水利用和管理。同样，在灌溉调度中，AgTechs具有杠杆传感器和遥感，与AI相结合，为市场带来更智能的灌溉决策。许多这些服务既不可扩展也不适用于农民。但是，有一些可以改变游戏的推动者。
- 展示商业潜力
PPP等伙伴关系模型，捐赠者驱动的创新支持和市场策略，如产品捆绑，可以在AgTech生态系统中使用。这些将有助于将研究界的AI解决方案与所需融资的市场和领域带到市场和领域。由于盈利是农民的关键驾驶员，因此具有明确价值主张的实惠解决方案可能会对他们吸引更多。
- 建立技术信任
低识字，连接，访问和负担能力都是通过的威慑。增加农民的摄取，建立信任和对新技术的认识以及对农场和生计的影响的机制至关重要。可以使用以人为本的和行为设计方法来协调整个农民旅程，从对船上持续参与的意识。农民人物和旅程映射方法有助于改进和焦点产品，以获得更大的范围和参与。
- 包含参与式方法
农业用水管理缺乏可靠、及时和充分的数据，而这些数据是人工智能解决方案成功的关键。通过众包和参与式机制获取数据有助于收集更丰富的背景数据。通过低技术工具和培训，农民可以通过参与式测绘(例如，通过方便农民使用的测压管)收集地下水数据，并评估土壤湿度(通过土壤测试包或传感器)。可以通过各种遥感技术提供关于降雨和其他天气指标的超本地数据。
- 增加对数据的访问
埃塞俄比亚的ATA（农业转型机构）和肯尼亚的Kalro（肯尼亚农业和畜牧研究组织）在农业数据中心的发展中投入大幅投资，以巩固自己的数据，全球数据集和本地合作伙伴数据，以更好地支持生态系统的技术创新。建立与共享信息的激励和基础设施联系（例如，具有适当计算能力的公共/私有云）的农业数据堆栈可以打开创新空间。
与任何新技术一样，让这些推动者正确地需要时间和精力。捐助者，技术创新者，农业综合企业和农业方案，以及各国政府都有在实现这一目标方面发挥作用。我们希望白皮书激发各地，可以进一步磨练AI帮助服务不足的农民优化水管理。
作者：
-
ravi chhatpar.
联合创始人和合作伙伴，Dalberg设计
-
好奇了解更多？看看白皮书这里。
